Otimização Topológica de Estruturas Bidimensionais

UNIVERSIDADE FEDERAL DE OURO PRETO - ESCOLA DE MINAS
DEPARTAMENTO DE ENGENHARIA CIVIL

PROGRAMA DE PÓS–GRADUAÇÃO EM ENGENHARIA CIVIL
OTIMIZAÇÃO TOPOLÓGICA DE ESTRUTURAS

BIDIMENSIONAIS
AUTOR: HÉLIO LUIZ SIMONETTI
ORIENTADOR: Prof. Dr. Valério S. Almeida

Prof. Dr. Francisco de Assis Neves
Dissertação apresentada ao Programa de Pós-

Graduação do Departamento de Engenharia
Civil da Escola de Minas da Universidade
Federal de Ouro Preto, como parte integrante
dos requisitos para obtenção do título de
Mestre em Ciências da Engenharia Civil, área
de concentração: Construção Metálica.
Ouro Preto, maio de 2009.

Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
II
S598o Simonetti, Hélio Luiz.
Otimização topológica de estruturas bidimensionais [manuscrito] /
Hélio Luiz Simonetti - 2009.
xv, 153f.: il., color.; graf.
Orientador: Prof. Dr. Valério Silva Almeida.

Co-orientador: Prof. Dr. Francisco de Assis Neves.
Dissertação (Mestrado) - Universidade Federal de Ouro Preto. Escola de

Minas. Departamento de Engenharia Civil. Programa de Pós Graduação em
Engenharia Civil.
Área de concentração: Construção Metálica.
1. Otimização estrutural - Teses. 2. Topologia - Teses. 3. Método

dos elementos finitos - Teses. I. Universidade Federal de Ouro Preto.
II. Título.
Catalogação: sisbin@sisbin.ufop.br
CDU: 624.014
À minha esposa Jacqueline e às minhas filhas
Marcella e Brunna pelo incentivo à conclusão
desta dissertação.
III
Agradecimentos
Em primeiro lugar, quero agradecer a Deus que me deu força e saúde para poder
concluir este trabalho.
Ao professor Valério, pela confiança e pela oportunidade de ser seu orientado,
aliás, foi muito mais que um orientador, um verdadeiro educador, que soube conduzir
de maneira inteligente e eficaz todo o trabalho.
Ao professor Francisco de Assis, meu coorientador, pelas observações que muito
ajudaram no desenvolvimento do trabalho.
Aos meus pais Aylton e Maria José pelo carinho e incentivo.
Aos professores Marcilio, Ricardo, Ernani e João Batista que, também,
participaram da minha formação.
À UFOP por ter me acolhido e me dado esta oportunidade.
À Usiminas pela Bolsa de Estudos.
IV
Resumo
A Otimização Topológica é um método numérico capaz de fornecer, de forma

automática, o leiaute de uma estrutura mecânica para que esta atenda um determinado
critério de projeto. Assim, este trabalho inicia-se com uma revisão da literatura sobre
otimização estrutural procurando familiarizar-se com o tema e suas diversas
abordagens. O método estudado baseia-se numa análise de elementos finitos,
destacando-se o elemento finito triangular de formulação livre.
Neste trabalho, aborda-se o problema de otimização topológica mediante o uso
de duas técnicas: o convencional ESO – Evolutionary Structural Optimization; sob
critério de tensão máxima da estrutura num processo denominado de “hard-kill”, cuja
retirada de material é feita de forma discreta; e uma nova técnica evolucionária
desenvolvida neste trabalho denominada de SESO – Smoothing ESO; cuja filosofia,
baseou-se na observação de que se o elemento não for realmente necessário à estrutura,
naturalmente sua contribuição de rigidez vai diminuindo progressivamente, até que ele
não tenha influência da estrutura, isto é, sua remoção é feita de forma suave.
Para investigação e comprovação das técnicas implementadas, foram avaliados
exemplos clássicos da elasticidade bidimensional dentro deste contexto, mediante os
benchmarks, conforme descritos na literatura sobre este assunto. Durante a investigação
foram analisados exemplos como o de peso próprio e alguns problemas da otimização
topológica como a formação do “tabuleiro de xadrez” e a “dependência da malha”.
Assim, foi implementado um filtro espacial de tensão que associado à técnica SESO,
mostrou-se eficiente na eliminação dos mesmos.
Ao final são apresentadas as principais conclusões além de sugestões para
trabalhos futuros dentro desta área de pesquisa.
Palavras Chave:
- Otimização Topológica, Otimização Evolucionária ESO, Técnica SESO, Método dos
Elementos Finitos.
V
Abstract
The Topology Optimization is a numerical method which is able to provide in an

automatic way the layout of a mechanic structure which attends a specific project
criterion. In such case, this work begins with a revision of the literature about the
structural optimization searching for a familiarization with the theme and its
approaching. The studied method bases on an analysis of finite elements, detached the
triangular finite element of free formulation proposed by Bergan and Felippa (1985).
In this context, it is approached the topology optimization problem through the
use of two techniques: the conventional ESO – Evolutionary Structural Optimization,
under criterion of maximum stress of a structure in a procedure called “hard-kill”, which
material is slowly removed in the finite element mesh, and a new and evolutionary
technique, designated SESO – Smoothing ESO, which philosophy is based on the
observation that if the element it is not really necessary in the structure, naturally your
severity contribution reduces progressively, until it does not have any influence of the
structure, it means it will be removed in a smooth way.
For the research and verification of the implemented techniques, were valued
classic examples of 2D elasticity in this context, on the benchmarks, as described in the
literature on this subject. During the investigation some examples, like those with body
force, and some problems of topological optimization were analyzed as the formation of
the "checkerboard" and "mesh-dependence", so it was implemented a special filter of
stress which is associated at the SESO technique was efficient in the exclusion of the
same.
At the end are presented the main conclusions and suggestions to future works
that are included in this research area.
Keywords:
- Topology Optimization, Evolutionary Structural Optimization ESO, Smoothing ESO,
Finite Element Method
VI
Sumário
Capítulo 1 – Introdução .................................................................................................... 1
1.1 Introdução ............................................................................................................... 1

1.2 Motivação e Justificativa ........................................................................................ 4
1.3 Organização do Texto............................................................................................. 5
Capítulo 2 – Otimização Estrutural Topológica ............................................................... 6
2.1 Introdução ............................................................................................................... 6

2.2 Revisão Bibliográfica ............................................................................................. 6
2.3 Métodos de Otimização Topológica ..................................................................... 12
2.3.1 Método de Otimização Topológica SIMP (Simple Isotropic Material with
Penalization) ........................................................................................................... 13
2.3.2 Método de Otimização Topológica TSA (Topological Sensitivity Method) 15
2.3.3 Método de Otimização Topológica ESO (Evolutionary Structural
Optimization) .......................................................................................................... 17
2.4 Problemas Numéricos da Otimização Topológica................................................ 17
2.4.1 Tabuleiro de Xadrez (Checkerboard) ............................................................ 18
2.4.2 Dependência da Malha................................................................................... 19
2.4.3 Mínimos Locais ............................................................................................. 20
Capítulo 3 – Otimização Estrutural Evolucionária - O Convencional ESO ................... 22
3.1 Introdução ............................................................................................................. 22

3.2 O Método Convencional ESO .............................................................................. 23
3.3 O Método ESO em Tensão de Von Mises ............................................................ 25
3.4 Nibbling ................................................................................................................ 29
3.5 Índice de Performance .......................................................................................... 31
3.6 Elemento Finito – Estado Plano de Tensões......................................................... 33
3.7 Estudos de Caso .................................................................................................... 34
3.7.1 – Problema de duas Barras............................................................................. 34
3.7.2 – Mão-francesa .............................................................................................. 39
Capítulo 4 – Otimização Estrutural Evolucionária Suavizada (SESO) ......................... 43
4.1 Introdução ............................................................................................................. 43

4.2 Otimização Estrutural Evolucionária Suavizada (SESO)..................................... 44
4.3 Filtros .................................................................................................................... 46
4.3.1 – Filtros de Densidade .................................................................................. 46
4.3.2 – Filtros de Vizinhança Fixa......................................................................... 47
VII
4.4 Eliminação do Tabuleiro de Xadrez ..................................................................... 48
4.5 Algoritmo da Suavização...................................................................................... 51
4.6 Estudos de Caso .................................................................................................... 53
4.6.1 Problema de duas Barras................................................................................ 53
4.6.2 Mão-francesa ................................................................................................. 55
4.6.3 Viga Curta bi-apoiada com Carga Concentrada ............................................ 57
Capítulo 5 – Resultados Numéricos................................................................................ 64
5.1 Introdução ............................................................................................................. 64

5.2 Exemplos com cargas concentradas ..................................................................... 65
5.2.1 – Estrutura de Michell.................................................................................... 65
5.2.2 - Viga biengastada com carga concentrada.................................................... 70
5.3 Exemplos com vários casos de cargas concentradas ............................................ 73
5.3.1 - Exemplo 1 - Viga biapoiada ........................................................................ 73
5.3.2 - Exemplo 2 - Viga biapoiada ........................................................................ 77
5.4 Estruturas com “buracos” no domínio .................................................................. 79
5.4.1 – Aspectos Gerais .......................................................................................... 79
5.4.2 Exemplo 1 – Problema de duas Barras .......................................................... 80
5.4.3 Exemplo 2 – Viga biapoiada.......................................................................... 83
5.4.4 Exemplo 3 – Viga biapoiada.......................................................................... 87
5.4.5 Exemplo 4 – Chapa Parafusada ..................................................................... 91
5.4.6 Exemplo 5 – Chapa Retangular ..................................................................... 97
5.5 Peso próprio ........................................................................................................ 101
5.5.1 – Maçã.......................................................................................................... 101
5.5.2 – Exemplo 1 - Viga Biapoiada..................................................................... 106
5.5.3 – Exemplo 2 – Viga Biapoiada .................................................................... 110
5.5.4 – Viga MBB................................................................................................. 113
5.6 Aplicações em engenharia civil e mecânica ....................................................... 114
5.6.1 – Braçadeira de formato U........................................................................... 115
5.6.2 – Viga em Balanço....................................................................................... 117
5.6.3 – Estrutura de Ponte..................................................................................... 120
5.6.4 – Estrutura bidimensional de uma bicicleta ................................................. 125
5.6.5 – Modelo de Strut-and-Tie - Formato T ...................................................... 128
5.6.6 – Modelo de Strut-and-Tie - Console .......................................................... 132
5.6.7 – Viga de Formato L.................................................................................... 136
Capítulo 6 – Conclusões e Sugestões ........................................................................... 141
6.1 – Introdução ........................................................................................................ 141

6.2 – Conclusões ....................................................................................................... 141
6.3 – Sugestões ......................................................................................................... 143
Referências Bibliográficas.............................................................................................145
VIII
Lista de Figuras
Figura 1.1-Principais abordagens da Otimização Estrutural ............................................ 2

Figura 1.2-Procedimento básico de um projeto de OT .................................................... 3
Figura 2.1-Modelo de material com microestrutura periódica de vazios retangulares... 14
Figura 2.2-Modelo de material com microestrutura artificial......................................... 14
Figura 2.3-Domínio perturbado ...................................................................................... 16
Figura 2.4- Tabuleiro de Xadrez presente na topologia.................................................. 18
Figura 2.5- Dependência da malha no problema de OT ................................................. 20
Figura 2.6- Gráficos de funções representando diferentes topologias............................ 21
Figura 3.1- Ilustração de Otimização de Forma ............................................................. 24
Figura 3.2- Ilustração da Otimização Topológica .......................................................... 24
Figura 3.3- Algoritmo Evolucionário ............................................................................. 25
Figura 3.4- Procedimento ESO em TVM ....................................................................... 28
Figura 3.5- Atuação do Nibbling Convencional ............................................................. 29
Figura 3.6- Atuação do Nibbling neste Trabalho ........................................................... 30
Figura 3.7- Procedimento do Índice de Performance ..................................................... 32
Figura 3.8- Geometria e os 9 graus de liberdade do elemento de chapa ........................ 33
Figura 3.9- Problema de duas barras .............................................................................. 35
Figura 3.10- Configuração ótima do problema de duas barras (ESO) ........................... 35
Figura 3.17- Viga curta biapoiada .................................................................................. 38
Figura 3.18- Configuração ótima de uma viga biapoiada (ESO) .................................. 39
Figura 3.19- Mão Francesa ............................................................................................. 39
Figura 3.20- Configuração ótima da Mão-francesa (ESO)............................................. 40
Figura 3.21- Configuração ótima da Mão-francesa (ESO)............................................. 40
Figura 3.22- Configuração ótima da Mão-francesa (MEC)........................................... 41
Figura 3.23- Configuração ótima da Mão-francesa (ESO) .............................................41
Figura 3.24- Configuração ótima da Mão-francesa (ESO) ........... ................................. 41
Figura 3.25- Configuração ótima da Mão-francesa (ESO) .............................................42
Figura 3.26- Configuração ótima da Mão-francesa (ESO)..............................................42
Figura 4.1- Ilustração da suavização do volume de elementos retirados na iteração i ... 45
Figura 4.2- Ilustração da evolução do volume com a variação da função reguladora.... 46
Figura 4.3- Abrangência do filtro espacial em malhar regular ....................................... 47
Figura 4.4- Elemento central i sofrendo influência dos elementos vizinhos .................. 48
Figura 4.5- Elemento central sofrendo influência dos elementos dentro de um círculo. 49
Figura 4.6- Fluxograma do SESO................................................................................... 52
Figura.4.6.1- Configurações ótimas do problema de duas barras (SESO) ..................... 53
Figura.4.6.2- Configuração ótima do problema de duas barras (SESO) ........................ 54
Figura.4.6.3- Configuração ótima do problema de duas barras (SESO)......................... 54
IX
Figura.4.6.6- Gráfico RR por Número de Elementos ..................................................... 55
Figura.4.6.7- Configuração ótima da Mão-francesa (SESO).......................................... 56
Figura.4.6.8- Configuração ótima da Mão-francesa (SESO).......................................... 56
Figura 4.6.9- Configuração ótima da Mão-francesa (SESO).......................................... 57
Figura 4.6.10- Configuração ótima da Mão-francesa (SESO)........................................ 57
Figura.4.6.11- Viga curta biapoiada ............................................................................... 58
Figura.4.6.12- Configuração ótima de uma viga curta biapoiada(SESO) ...................... 58
Figura 4.6.14- Evolução do volume e índice de performance por iteração .................... 59
Figura 4.6.15- Tensão de Von Mises por iteração (ESO)............................................... 60
Figura 4.6.16- Razão de Rejeição por iteração ............................................................... 60
Figura 4.6.19- Evolução do volume e índice de performance por iteração(SESO)........ 62
Figura 4.6.20- Evolução da tensão de Von Mises por iteração ...................................... 62
Figura 4.6.21- Evolução de Razão de Rejeição por iteração .......................................... 63
Figura 5.1- Estrutura de Michell..................................................................................... 65
Figura 5.2-Domínio inicial para Estrutura de Michell.................................................... 66
Figura 5.3- Configuração ótima para estrutura de Michell (ESO) ................................. 66
Figura 5.6- Configuração ótima para estrutura de Michell (SESO) ............................... 67
Figura 5.9- Evolução do volume e índice de performance por iteração ......................... 68
Figura 5.10- Gráfico da Razão TVM por Número de Iterações ..................................... 69
Figura 5.11- Configuração ótima (estrutura de Michell) obtida por Liang .................... 69
Figura 5.12- Configuração ótima (estrutura de Michell) obtida por Querin .................. 69
Figura 5.13- Viga curta biengastada ............................................................................... 70
Figura 5.14- Configuração ótima de uma viga curta biengastada(ESO) ........................ 71
Figura 5.17- Configuração ótima de uma viga curta biengastada por Wang ................. 72
Figura 5.18- Configuração ótima de uma viga curta biengastada(SESO)...................... 72
Figura 5.19- Configuração ótima de uma viga curta biengastada(SESO)...................... 72
Figura 5.20- Configuração ótima de uma viga curta biengastada(SESO).......................73
Figura 5.3.1- Viga curta biapoiada ................................................................................. 74
Figura 5.3.2- Configuração ótima de uma viga biapoiada (ESO) .................................. 74
Figura 5.3.5- Viga curta biapoiada – Configuração ótima ............................................. 75
Figura 5.3.6- Configuração ótima de uma viga biapoiada (SESO) ................................ 75
Figura 5.3.10- Configuração ótima de uma viga biapoiada (SESO) .............................. 77
Figura 5.3.11- Configuração ótima de uma viga biapoiada (SESO) .............................. 77
X
Figura 5.3.12- Viga curta biapoiada – Configuração ótima ........................................... 77
Figura 5.3.13- Viga biapoiada ........................................................................................ 78
Figura 5.3.14- Configuração ótima viga biapoiada (SESO)........................................... 78
Figura 5.3.15- Viga biapoiada – Configuração ótima .................................................... 79
Figura 5.4.1- Problema de duas barras – Domínio com buraco ..................................... 80
Figura 5.4.2- Problema de duas barras – Configuração ótima........................................ 81
Figura 5.4.3- Configuração ótima do problema de duas barras com buraco (ESO)....... 81
Figura 5.4.6- Configuração ótima do problema de duas barras com buraco (SESO)..... 82
Figura 5.4.9- Viga biapoiada .......................................................................................... 84
Figura 5.4.10- Configuração ótima de uma viga biapoiada com buracos (ESO) ........... 84
Figura 5.4.13- Configuração ótima de uma viga biapoiada com buracos (SESO)......... 85
Figura 5.4.16- Viga biapoiada – Configurações ótimas ................................................. 87
Figura 5.4.17- Viga biapoiada ........................................................................................ 88
Figura 5.4.18- Configuração ótima de uma viga biapoiada com buraco (ESO)............. 88
Figura 5.4.21- Configuração ótima de uma viga biapoiada com buraco (SESO) .......... 89
Figura 5.4.22a- Configuração ótima de uma viga biapoiada com buracos (SESO) ....... 90
Figura 5.4.22b- Configuração ótima de uma viga biapoiada com buracos (SESO) ....... 90
Figura 5.4.23- Viga biapoida – Configuração ótima ...................................................... 90
Figura 5.4.24- Chapa Parafusada .................................................................................... 91
Figura 5.4.25- Chapa Parafusada .................................................................................... 91
Figura 5.4.26- Configuração ótima de uma chapa parafusada (ESO) ............................ 92
Figura 5.4.27- Configuração ótima de uma chapa parafusada (ESO) ........................... 92
Figura 5.4.29- Configuração ótima de uma chapa parafusada (SESO) .......................... 93
Figura 5.4.32- Michell truss............................................................................................ 94
Figura 5.4.39- Michell truss............................................................................................ 97
Figura 5.4.40- Chapa biapoiada...................................................................................... 98
Figura 5.4.41- Chapa biapoiada – Configuração ótima .................................................. 98
Figura 5.4.42- Configuração ótima de uma chapa biapoiada (ESO) .............................. 99
XI
Figura 5.4.45- Configuração ótima de uma chapa biapoiada (SESO) .......................... 100
Figura 5.4.46- Configuração ótima de uma chapa biapoiada (SESO) .......................... 100
Figura 5.4.47- Configuração ótima de uma chapa biapoiada (SESO).......................... 100
Figura 5.5.1- Maçã........................................................................................................ 102
Figura 5.5.2- Configuração ótima maçã (ESO) ............................................................ 102
Figura 5.5.3- Configuração ótima maçã (ESO) ............................................................ 103
Figura 5.5.4- Processo evolucionário ESO................................................................... 103
Figura 5.5.5- Configuração ótima maçã(SESO) ........................................................... 104
Figura 5.5.6- Configuração ótima maçã (SESO) .......................................................... 104
Figura 5.5.7- Processo evolucionário SESO................................................................. 105
Figura 5.5.8- Topologia semelhante a uma maçã ......................................................... 105
Figura 5.5.9- Fluxo de Tensão ...................................................................................... 106
Figura 5.5.10- Configuração ótima viga biapoiada ...................................................... 107
Figura 5.5.11- Viga curta biapoiada ............................................................................. 107
Figura 5.5.12- Configuração ótima de uma viga biapoiada (peso próprio)(ESO)........ 108
Figura 5.5.15- Configuração ótima de uma viga biapoiada (peso próprio)(SESO) ..... 109
Figura 5.5.18- Viga curta biapoiada ............................................................................. 110
Figura 5.5.19- Viga curta biapoiada - domínio............................................................. 110
Figura 5.5.26- Domínio viga MBB(peso próprio)........................................................ 113
Figura 5.5.27- Viga MBB – Configuração ótima ......................................................... 113
Figura 5.5.28- Configuração ótima de uma viga MBB (peso próprio) (SESO) ........... 114
Figura 5.6.1- Braçadeira em formato U ........................................................................ 115
Figura 5.6.2- Configuração ótima de uma Braçadeira em U(SESO)............................ 116
Figura 5.6.5- Evolução volume por iteração................................................................. 117
Figura 5.6.6- Evolução tensão Von Mises por iteração ................................................ 117
Figura 5.6.7- Viga em balanço...................................................................................... 118
Figura 5.6.8- Viga em balanço – Configuração ótima.................................................. 118
Figura 5.6.9- Configuração ótima de uma viga em balanço (SESO) ........................... 119
Figura 5.6.10-Configuração ótima de uma viga em balanço (SESO) .......................... 119
Figura 5.6.11- Configuração ótima de uma viga em balanço (SESO).......................... 119
Figura 5.6.12- Evolução do volume por iteração.......................................................... 120
XII
Figura 5.6.13- Evolução da Tensão por iteração .......................................................... 120
Figura 5.6.14- Domínio de projeto inicial com suporte fixo ........................................ 121
Figura 5.6.15- Configuração ótima de uma estrutura de ponte (SESO) ....................... 121
Figura 5.6.18- Estrutura de ponte - Querin ................................................................... 122
Figura.5.6.19- Configuração ótima de uma estrutura de ponte (SESO) ....................... 123
Figura 5.6.22- Evolução da tensão de Von Mises por iteração .................................... 124
Figura 5.6.23- Evolução do volume por iteração.......................................................... 124
Figura 5.6.24- Evolução Razão de Rejeição por iteração............................................. 125
Figura 5.6.25- Evolução do índice de performance por iteração.................................. 125
Figura 5.6.26- Domínio inicial de projeto de uma bicicleta ......................................... 126
Figura.5.6.27- Configuração ótima de uma bicicleta (SESO) ...................................... 127
Figura 5.6.30- Modelo de Strut-and-Tie – Formato T.................................................. 128
Figura 5.6.31- Modelo de Strut-and-Tie – Configuração ótima ................................... 129
Figura 5.6.32- Configuração ótima Modelo de Strut-and-Tie (ESO) .......................... 129
Figura 5.6.33- Configuração ótima Modelo de Strut-and-Tie (ESO)........................... 130
Figura 5.6.34- Configuração ótima Modelo de Strut-and-Tie (ESO)........................... 130
Figura 5.6.35- Configuração ótima Modelo de Strut-and-Tie (SESO)......................... 131
Figura 5.6.38- Modelo de Strut-and-Tie - Console ...................................................... 133
Figura 5.6.39- Modelo de Strut-and-Tie – Configuração ótima ................................... 135
Figura 5.6.40- Configuração ótima Modelo de Strut-and-Tie - console (ESO) ........... 134
Figura 5.6.43- Configuração ótima Modelo de Strut-and-Tie - console (SESO) ......... 135
Figura 5.6.46- Geometria de formato L........................................................................ 137
Figura 5.6.47- Configuração ótima da Geometria de formato L (ESO) ....................... 138
Figura 5.6.50- Configuração ótima da Geometria de formato L (SESO)..................... 139
Figura 5.6.53- Fluxo de tensão (ESO) .......................................................................... 140
Figura 5.6.54- Fluxo de tensão (SESO)........................................................................ 140
XIII
Lista de Abreviaturas
OT Otimização Topológica
OTEE Otimização Topológica Estrutural Evolucionária
MOT Método de Otimização Topológica
SIMP Solid Isotropic Microstructure with Pernalization
ESO Evolutionary Structural Otimization
SESO Evolutionary Structural Otimization Smoothing
MEC Method Element Boundary
IP Performance Index
TSA Topological Sensitivity Analysis
BCBTOA Bacterial Chemotaxis Based Topology Optimization Algorithm
SA Simulated Anneling
DAS Design Sensitivity Analysis.

AESO Additive Evolutionary Structural Optimization
BESO Bi-directional Evolutionary Structural Optimization
TVM Tensão de Von Mises
BGMMA Gradient Based Method of Moving Asymptotes
PBO Performance-based Optimization
DFE Domínio Fixo Estentido
MEF Método de Elementos Finitos
HCA Hybrid cellular automata
AG Algoritmo Genético
XIV
Lista de Símbolos
E Módulo de Elasticidade
Vi Volume do elemento i na i-ésima iteração
V0 Volume da estrutura na primeira iteração
σ 0VM Tensão máxima de Von Mises na primeira iteração
σ iVM Tensão máxima de Von Mises do elemento i na i-ésima iteração
η (j) Função ponderadora
ν Coeficiente de Poisson
σ iponderado Tensão de Von Mises ponderada do elemento i
Ai Área do elemento i
Aj Área do elemento j
σ VM
j Tensão de Von Mises do elemento j
w Peso
NV Número de elementos cujos centróides estão no interior da circunferência
R MAX Raio máximo da circunferência
R ij Distância entre os centróides dos elementos i e j
D0 Matriz constitutiva inicial do projeto
D(j) Matriz constitutiva do ponto j ∈ Ω
ρ Densidade volumétrica
Ω Domínio da estrutura
f (ε ) Função reguladora
Γ Conjunto dos elementos que serão removidos da estrutura
Γ Conjunto dos elementos que não serão removidos da estrutura
σx Componente normal do tensor de tensões na direção x
σy Componente normal do tensor de tensões na direção y
τ xy Componente de tensão de cisalhamento
σi Tensão do elemento i
σn Tensão do elemento j
u Deslocamento horizontal
v Deslocamento vertical
θz Rotação azimutal
σ eVM Tensão de Von Mises máxima do elemento
MÁX
σ VM Tensão de Von Mises máxima da estrutura
RR Razão de rejeição
ER Razão evolucionária
VI Volume da estrutura na iteração i
VRI Volume retirado por iteração
XV
Capítulo 1
1.1 – Introdução
Neste primeiro capítulo, é destacada a importância da Otimização Topológica

(OT), tema deste trabalho dentro do contexto atual de projeto, assim como, a relevância
e motivação para desenvolvê-lo. Por fim, será feita uma descrição geral dos tópicos
abordados em cada um dos capítulos subsequentes.
A Otimização Topológica (OT) é um campo de pesquisa da engenharia que tem
o objetivo de encontrar um projeto (estrutura) com melhor desempenho e que satisfaça
as restrições impostas ao mesmo. A avaliação do desempenho esta associada a algum
critério, que pode ser: a distribuição de tensões ao longo da estrutura, descartando
regiões do domínio, onde não haja o fluxo de tensões, ou este seja de muito baixo valor,
máxima carga de flambagem crítica, mínima freqüência crítica.
A OT é um tema recente no campo da otimização estrutural. Entretanto, os
conceitos básicos que dão suporte teórico ao método foram estabelecidos há mais de um
século, Rozvany et al. (1995) faz uma boa revisão desses conceitos. A grande vantagem
da Otimização Topológica (“Topology Optimization”) em contraste com os métodos
tradicionais de otimização, como a Otimização de Forma (“Shape Optimization”) ou a
Otimização Paramétrica (“Size Optimization”), é que esses são capazes de alterar o
leiaute da estrutura original, auxiliando o projeto conceitual da estrutura. A seguir, é
feito uma abordagem entre os três tipos de otimização que é possível realizar numa
estrutura.
Na primeira abordagem, a estrutura apresenta a forma e a topologia fixa, ou seja,
variam-se as dimensões da seção transversal de seus componentes tais como: diâmetro
espessura, altura, por exemplo. Este tipo de abordagem é denominado de otimização
paramétrica, Vanderplaats (1994). Desta forma, uma vez estabelecido que certa seção
transversal da estrutura seja circular, esta geometria não se altera, apenas o valor de seu
diâmetro é otimizado, segundo as funções de restrições. A figura 1.1a mostra o
problema de otimização paramétrica para uma estrutura de treliça.
1
Na segunda abordagem, um pouco mais genérica, a estrutura apresenta forma
variável e a topologia fixa, não ocorrendo à inserção de “buracos”. Nesta abordagem, as
variáveis de projeto definem o contorno do domínio, cuja forma é alterada durante o
processo de otimização. Este método é denominado Otimização de Forma, Haftka e
Grandhi (1986), ver figura 1.1b.
Diferentemente da otimização de forma na qual as variáveis de projeto que
definem o contorno são alteradas em cada iteração durante o processo de otimização, a
OT, terceira e última abordagem apresenta como principais características a inserção de
buracos e domínio fixo estendido (dimensões do projeto são mantidas fixas durante todo
o processo iterativo), Bendsøe e Kikuchi (1988). Na procura pela solução ótima, a OT
distribui o material por todo o domínio, de tal forma que se possa otimizar um
determinado critério – como o de tensão máxima da estrutura.
Na OT são obtidos os melhores resultados, pois a inserção de “buracos” confere
à estrutura um melhor desempenho se comparado às otimizações de forma e
paramétrica, ver figura 1.1.c. Pode-se dizer que a otimização de forma e a paramétrica
são casos particulares da OT.
a)
b)
c)
Figura 1.1 – Principais Abordagens, 1.1a Otimização Paramétrica,

1.1b Otimização de Forma e 1.1c Otimização Topológica
Bendsøe e Sigmund (2002)
A solução ótima encontrada usando a OT resulta na topologia de uma estrutura
com vazios, normalmente a imagem desta topologia fornece um resultado primário, uma
2
vez que o nível de refinamento da malha de elementos finitos e a possível presença de
regiões decorrentes de instabilidades numéricas, como por exemplo, instabilidade de
tabuleiro de xadrez (checkeboard) e a dependência da malha inviabilizam a fabricação
da estrutura sintetizada. Deste modo, o resultado precisa ser interpretado usando
otimização de forma ou técnicas de processamento de imagem. As modificações
decorrentes desta interpretação alteram a performance da estrutura, o que torna
indispensável uma análise por elementos finitos deste resultado. O procedimento
descrito está esboçado na figura 1.2.
Figura 1.2 – Procedimento característico de um projeto de otimização topológica

Silva (2001).
Finalizando, a OT é valiosa e útil na etapa inicial do desenvolvimento estrutural,

de forma a auxiliar o engenheiro na busca por um produto otimizado, capaz de
satisfazer as condições de projeto e conferir a este uma maior eficiência e se possível
com um custo menor com material. A OT encontra aplicação em diversas áreas como
automotiva, aeronáutica, naval, mecânica, civil, dentre outras.
3
1.2 Motivação e Justificativa
A otimização estrutural envolve um processo de integração de várias áreas do

conhecimento entre elas a Engenharia, Matemática e a Computação. A maioria dos
métodos de otimização trata o problema de forma matemática onde se procura
maximizar ou minimizar uma função objetivo, satisfazendo ao mesmo tempo
determinadas restrições.
Em contramão ao rigor matemático, o método de otimização ESO, é um
processo de otimização, feito de forma intuitiva e heurística Xie e Steven (1997)
baseado no simples conceito de remoção gradual de material ineficiente da estrutura,
sendo que o restante tende a se comportar como uma estrutura com melhor perfomance.
Vários problemas de otimização estrutural forma resolvidos usando o método
ESO, como exemplo pode citar: minimizar peso tornando a estrutura mais eficiente
usando critério de tensão, maximizar ou minimizar frequências naturais e minimizar
peso mantendo limites de rigidez e deslocamentos.
Este método possui algumas características importantes como: facilidade de
implementação, base teórica simples, possibilita, simultaneamente, a otimização de
forma, dimensão e de topologia. Além disso, este método ganhou muito espaço nos
últimos anos com a possibilidade de aplicações na área da Engenharia Civil, Engenharia
Aeroespacial, Mecânica e Automotiva, tais características motivam esta pesquisa sobre
a Evolutionary Structural Optimization (ESO).
Entretanto, sabe-se que o ESO é um procedimento que possui alguns gargalhos,
que surgem em função da retirada de elemento do modelo. Este procedimento é
conhecido como “hard-kill”, pois a retirada de material é feita de forma discreta; isto é,
os elementos com tensões baixas, que estão sendo usados ineficientemente têm suas
matrizes constitutivas bruscamente reduzidas. Para diminuir os efeitos negativos dessa
retirada, o presente trabalho propõe um procedimento de retirada menos agressivo, isto
é, mais suave, onde ao invés de eliminar o elemento, diminui-se sua influência no
modelo de maneira a diminuir seus parâmetros de rigidez. Assim, cria-se uma
4
alternativa ao ESO, denominado de SESO, que indica a Suavização do ESO, ou
Smoothing ESO, o qual é apresentado no capitulo quatro.
1.3 Organização do Texto
Em seguida à introdução, motivação e justificativa abordada neste capitulo, o

capitulo dois apresenta uma revisão bibliográfica a respeito da otimização estrutural e os
métodos de otimização topológica SIMP, TSA e ESO. Foi feita também, uma breve
explanação dos problemas numéricos enfrentados pela otimização topológica, tais
como: tabuleiro de xadrez (checkerboard), dependência da malha e mínimos locais.
Após a apresentação dos métodos de otimização topológica, o capitulo três faz
uma explicação do Clássico ESO tendo como base o critério de tensão máxima da
estrutura, sua implementação computacional, sendo apresentados dois estudos de caso
para ilustrar o conceito de otimização topológica (ESO) para problemas de elasticidade
plana linear.
No capitulo quatro, é proposto uma nova técnica de otimização (SESO), que é
uma suavização do ESO, sua formulação e implementação. É apresentada, também,
uma sequência de três exemplos numéricos, dos quais dois são resolvidos apenas com a
técnica SESO, o outro foi resolvido com as duas técnicas para fazer uma comparação
entre eles. Assim, foram apresentados alguns gráficos, com o objetivo de analisar
algumas das variáveis de projeto.
O capítulo cinco apresenta uma sequência de resultados numéricos aplicados a
OT, considerando: carga pontual, múltiplos casos de carga, efeitos da restrição da
geometria da estrutura, peso próprio, estrutura com buracos e aplicações na engenharia
civil para as formulações mencionadas, em Estado Plano de Tensão, considerando
material isotrópico, comportamento linear, sendo os mesmos avaliados e comparados
entre si.
No capítulo seis, são feitas as considerações finais sobre o presente trabalho e
também algumas sugestões para trabalhos futuros.
5
Capítulo 2
Otimização Estrutural Topológica
2.1 Introdução
Neste capitulo é apresentado o estudo bibliográfico acerca do tema discutido

nesta dissertação, envolvendo a otimização estrutural baseada no método de elementos
finitos (MEF) com ênfase na otimização topológica estrutural evolucionária (OTEE).
Esta revisão bibliográfica apresenta, inicialmente, a trajetória da otimização
estrutural, destacando-se seus tipos e métodos. Em seguida, é feita uma breve
explanação dos principais métodos de otimização topológica SIMP, ESO e TSA.
2.2 Revisão Bibliográfica
A otimização estrutural tem origem com a otimização de leiaute, evoluindo para

as otimizações paramétricas e de forma, respectivamente, que por sua vez contribuíram
para o surgimento da otimização topológica.
Pode-se dizer que, os primeiros passos da otimização estrutural foram
introduzidos no final do século XIX, com o precursor trabalho de Maxwell (1872) apud
Coutinho (2006) no qual buscava o menor volume para estruturas uniaxiais submetidas
a carregamentos. Segundo Coutinho (2006), em 1904, Michell deu continuidade ao
trabalho de Maxwell, suas famosas estruturas ainda hoje são citadas na teoria moderna
de Otimização Topológica. Michell projetou estruturas treliçadas, nas quais buscava o
menor peso, observando as tensões nas barras para cada caso de carga. Mas, somente no
final dos anos 50, com o trabalho de Cox (1958) o seu trabalho foi contemplado.
Nos anos 60, os estudos sobre otimização de leiaute avançam e conseguem
determinar tanto a localização dos membros estruturais como a disposição e seção
transversal ótima, Zhou e Rozvany (1991).
6
Só nos anos 70, alguns problemas de leiaute foram, também, resolvidos, como os
de Hemp (1973) e o de Prager (1974), ambos para uma classe muito restrita de
estruturas, vistos como uma extensão do conceito de otimização de estruturas de
treliças, desenvolvido por Michell (1904).
Na década de 80, com a utilização do MEF, varias publicações foram feitas,
podendo ser citados Cheng e Olhoff (1981), Khon e Strang (1986a) que investigaram a
natureza do problema, correspondente à maximização da rigidez de placas delgadas
considerando a espessura como variável de projeto, e concluíram que para este
problema de otimização existem várias soluções ótimas locais. Rozvany et al. (1982)
também chegaram à mesma conclusão.
Em meados dos anos 80, os resultados das otimizações de forma e paramétricas
começam a ser questionados, pois estes apresentavam grandes problemas quando se
deseja alterar a topologia (ou distribuição de material) de uma estrutura, uma vez que a
mudança da topologia implica constante alteração, durante o processo de otimização, do
modelo de elementos finitos associados à estrutura no inicio do processo, isto é, a cada
iteração o problema físico é modificado e o algoritmo deve prever a atualização da
malha de elementos finitos a cada iteração, o que é complexo. Com a necessidade de se
aprimorar a otimização de forma, surge no final da década, a Otimização Topológica
(OT), Bendsøe e Kikuchi (1988) com uma metodologia de domínio fixo estendido,
inicialmente no método da Homogeneização.
A metodologia criada por Bendsøe e Kikuchi para OT foi inspirada nos
trabalhos de Cheng e Olhoff (1981) e de Cheng e Olhoff (1982) que tratavam da
otimização de espessuras de chapas e placas, Lurie et al. (1982), Goodman et al. (1986),
Kohn e Strang (1986a) que estudaram a otimização para projetos de barras de torção
construídas com dois materiais com diferentes proporções volumétricas e Rozvanay et
al. (1982), que investigaram a formulação matemática para o problema de maximização
da rigidez (com restrição de volume) de placas delgadas, onde a variável de projeto é a
espessura e concluíram para este problema de otimização que existem vários ótimos
locais.
Tal metodologia é capaz de fornecer, simultaneamente, topologia e forma ótimas
à estrutura, ressaltando que tal topologia ótima resulta em uma configuração não suave
da forma ótima exata do contorno da estrutura. O que se tem é uma forma ótima
7
preliminar. A idéia é que a otimizaçao topológica seja utilizada, inicialmente, sendo em
seguida empregado uma dos métodos clássicos de otimização de forma. Esta segunda
etapa passa a ser realizada de forma mais rápida e eficiente, uma vez que já se parte de
uma topologia ótima e de uma forma já bem próxima da exata, conforme Porto (2006).
Assim, alguns trabalhos no sentido de integrar os métodos de otimização foram
desenvolvidos, entre eles pode-se destacar: Olhoff et al. (1991) onde os métodos são
integrados em um sistema, em que a topologia serve como um pré-processador das
otimizações de forma e paramétrica conferindo a estes resultados finais bem melhores.
Também, pode-se destacar nesta mesma vertente os trabalhos de Sienz e Hilton (1997),
Tang e Chang (2001) e Kikuchi et al. (1995) que usaram a otimização topológica para
maximizar frequência de ressonância de estruturas, obtidas a partir de meios contínuos.
A Otimização Topológica (OT) pode ser dividida em duas classes distintas: A
OT a partir de um meio discreto e a OT a partir de um meio contínuo. A primeira é
subdivida em dois grupos: a OT de estruturas de malha contínua (“gridlike continua”)
que trabalha com um número infinito de barras rígidas separadas por um espaço
infinitesimal, cuja solução é obtida, analiticamente, e a OT de estruturas discretas
(“ground structural”), que considera o domínio de projeto com vários pontos
distribuídos, que podem ser uma possível ligação de treliças, cuja solução é obtida
numericamente, segundo Lima (2002).
Com o desenvolvimento da otimização topológica, vários trabalhos surgiram no
meio acadêmico. Em Canfield e Frecker (2000) pode-se encontrar uma formulação do
problema de OT e o método de solução (Programação Linear Seqüencial e Critério de
Otimalidade) num domínio discretizado com elementos de treliça via MEF. Cho e Choi
(2005) utilizam à otimização topológica combinada com a termo-elasticidade, o método
de otimização topológica foi formulado aplicando o método DSA, Design Sensitivity
Analysis.
Dentre os métodos de otimização de leiaute que consideram malhas variáveis
durante o processo estão os métodos de otimização estrutural evolutiva, conhecidos na
literatura como (ESO), do inglês Evolutionary Structural Optimization. A idéia
principal destes métodos consiste na proposição de um critério eficiente, capaz de
avaliar a contribuição de cada elemento na resposta do sistema; e na tática de remoção
dos elementos que possuem a menor sensibilidade, ver Hilton e Sienz (1995), Xie e
8
Steven (1996), Chu et al. (1996), Christie et al. (1998), Reynolds et al. (1999), Querin et
al. (2000a), Querin et al. (2000b), Rong et al. (2000).
O método ESO sofre grande influência da taxa de remoção e isso traz algumas
desvantagens, como: a ocorrência de extremidades dentadas e de interconexões
estruturais, dando origem a mecanismos e à concentração de tensão, Coutinho (2006).
Uma evolução do ESO é o AESO do inglês Additive Evolutionary Structural
Optimization, ver Querin et al. (2000a), como o nome sugere, no (AESO) método de
otimização estrutural evolucionaria aditiva, os elementos são inseridos nos domínios da
estrutura onde são necessários. A introdução desses elementos na estrutura é feita
usando uma otimização evolutiva semelhante ao clássico (ESO).
Uma combinação do ESO com o AESO dá origem ao método BESO do inglês
Bi-directional Evolutionary Structural Optimization, proposto em Querin (2000a).
Neste método, o material pode ser acrescentado ou removido segundo combinações de
equações do ESO e AESO.
Liang, Xie e Steven (2000a) propõem em seu trabalho, uma maneira de
monitorar a eficiência estrutural das configurações encontradas ao longo do processo
evolucionário de otimização estrutural, que tem como critério de projeto a rigidez, e
com isso, determinar o momento de encerrar o processo evolucionário. Um índice de
performance estrutural é inserido para avaliação da eficiência estrutural da nova
topologia encontrada a cada iteração. Quando este parâmetro atinge o valor máximo
tem-se o término do processo evolucionário.
Chen e Kikuchi (2001) investigam, também, o problema de otimização com
cargas dependentes do projeto. Ao invés das superfícies de carga serem parametrizadas,
um carregamento térmico fictício, simulando a carga dependente, é proposto. O modelo
de material isotrópico com penalidade é, novamente, empregado. O problema de
otimização é transformado em um problema de distribuição de material trifásico
constituído de sólido, vazio e fluido hidrostático. A programação linear sequencial
(PLS) é utilizada para resolver o problema de otimização.
Em Cardoso e Fonseca (1999) a formulação adotada por estes autores na
otimização estrutural, impõe uma restrição aos gradientes das variáveis de projeto no
problema de minimização de volume, com restrições de flexibilidade média
(“complience”). Foi criado um filtro independente da malha aplicado sobre os limites-
9
móveis da programação linear sequencial capaz de contornar alguns problemas da
otimização topológica como o tabuleiro de xadrez (checkerboard), que se caracteriza
pela formação na topologia ótima de regiões contendo vazios e elementos sólidos, que
se alternam de forma semelhante a um tabuleiro de xadrez, e a dependência da malha.
Proos (2002) desenvolve e analisa o conceito de otimização topológica com
multicritério ESO. Nesta abordagem utilizou vários critérios entre eles: análise estática
linear, freqüências naturais, momento de inércia e maximização de regidez.
Labanowski et al. (2004) investigam uma comparação entre os métodos de
otimização topológica SIMP, TSA e ESO. O método SIMP é baseado na utilização de
um material artificial intermediário, cujo comportamento constitutivo é definido por um
parâmetro ρ associado à densidade do material. O método ESO é baseado no cálculo da
função objetivo, quando um elemento é removido da malha de elementos finitos. A
TSA resulta em uma função escalar, denominada Derivada Topológica, que fornece
para cada ponto do domínio de definição do problema a sensibilidade de uma dada
função custo quando um pequeno furo é criado.
Tovar (2005) estudou uma técnica que combina regras de evolução de células
“autômatas”, com análise estrutural por elementos finitos, do inglês hybrid cellular
automata (HCA). Esta técnica mostrou ser eficiente na resolução de problemas de
otimização topológica para obtenção de estruturas mais leves com máxima rigidez.
Pereira (2006) fez uma explanação sobre a otimização topológica em problemas
de elasticidade envolvendo não-linearidade geométrica (grandes deslocamentos e
rotações) e não-linearidade de material, no caso, hiperelasticidade não-linear quase-
incompressível, aplicando o conceito de Análise de Sensibilidade Topológica (TSA)
através de uma formulação Lagrangiana Total.
Porto e Pavanello (2007) investigam a influência dos parâmetros da otimização
estrutural topológica, baseada na teoria da homogeneização, sobre seus resultados
ótimos. Neste trabalho, é estudada uma célula-base quadrada unitária de vazio central
retangular, suas propriedades mecânicas são determinadas a partir de uma abordagem de
homogeneização e do método de elementos finitos. O tensor elástico é definido para
cada elemento finito do modelo estrutural global e a solução ótima do problema de
10
maximização da energia potencial total é obtida através de um algoritmo iterativo
baseado nos critérios de otimalidade.
A fim de encontrar o mínimo absoluto de uma função objetivo sem ser sensível à
posição de partida, um método de otimização global tem de ser empregado nos
problemas de otimização estrutural. As técnicas de otimização Estocásticas são muito
adequadas a este respeito. Estas técnicas não são sensíveis ao ponto de partida, pois elas
podem escapar dos pontos de ótimo local, pois permitem o movimento aleatório para
cima o que constitui uma grande vantagem. Outra vantagem dessas técnicas são que elas
não requerem as derivadas da função objetivo ou restrições, sendo um algoritmo de
ordem zero.
Sonmez (2008) investiga as duas técnicas estocásticas mais populares de
otimização: o Algoritmo Genético (AG) e Simulated Annealing (SA). O AG é um
algoritmo de busca probabilística baseado no processo de seleção natural e na genética,
ou seja, na sobrevivência do mais adaptado (teoria de Darwin). Inicialmente, é
considerada uma população viável de soluções para o problema. Tal população é capaz
de se reproduzir e sofrer mutações, criando-se, desta forma, uma nova geração de
possíveis soluções. Contudo, apenas as soluções mais adaptadas passam à próxima
geração, sendo descartadas aquelas soluções que menos se ajustam ao objetivo do
problema, de forma semelhante à evolução natural, e, eventualmente, conduzindo à
solução ótima.
AG são algoritmos de busca baseados no mecanismo de seleção natural das
espécies. Combinam a sobrevivência do indivíduo mais adequado com um intercâmbio
estruturado e aleatório de informações para formar um algoritmo de busca. A cada
geração, um novo conjunto de indivíduos é criado usando parte dos antigos. As
principais características deste método são: codificação dos parâmetros, a busca é feita a
partir de uma população de pontos e não em um único ponto como dos algoritmos
determinísticos, utiliza somente a função custo e usa regras probabilísticas de transição.
O Simulated Anneling (SA) “recozimento simulado”, o qual simula o processo
de recozimento e teve seu algoritmo inspirado por estudos na mecânica estatística que
trata do equilíbrio de um grande número de átomos em sólidos e líquidos a uma dada
temperatura.
11
Simulated Anneling (SA) é um algoritmo de otimização confiável para encontrar
o ótimo global, isto é, tem maior probabilidade de encontrar o ótimo global, mesmo
com um grande número de variáveis de projeto. A principal desvantagem destas
técnicas é a exigência de um número muito grande de iterações para a convergência.
Guzmán et al. (2008) usam uma nova metologia de otimizaçao topológica que
combina análise estrutural pelo MEF com uma estratégia de otimizaçao inspirada no
“bacterial chemotaxis”. O principio do BCBTOA (Bacterial Chemotaxis Based
Topology Optimization Algorithm) é bem simples. A estrutura evolui para uma
configuração ótima por uma redistribuição sistemática de material no interior do
domínio de projeto, reforçando as áreas de sobrecarga e removendo o material onde este
não é requerido. Inspirou-se no comportamento coletivo autônomo organizado mostrado
pelas bactérias marinhas thiovulum majus. O domínio de projeto é construído pelo MEF
e representa o ambiente, onde uma colônia de bactérias pode movimentar. O objetivo é
que um número máximo de bactérias da colônia sobreviva. Assim, para aumentar a
chance de sobrevivência de um número máximo de indivíduos da colônia, a cada
iteração elas trocam informações sobre a concentração de nutrientes na sua atual
localização, com base nestas informações as bactérias localizadas em posições com
baixas concentrações de nutrientes movem-se para posições mais favoráveis.
2.3 Métodos de Otimização Topológica
Os métodos de otimização topológica buscam a solução ótima através da

variação do domínio, isto é, topologia da estrutura e no que diz respeito a estruturas
contínuas, são divididos em duas grandes classes de abordagens, conforme Eschenauer
e Olhoff (2001) a abordagem micro, ou baseado no material, e abordagem macro, ou
baseada na geometria.
A abordagem micro, a primeira desenvolvida, é baseada na existência de uma
micro estrutura porosa, que define as relações constitutivas do material em função da
sua geometria e da densidade volumétrica de uma célula unitária representativa do
material que por sua vez é representada por variáveis contínuas, sucessivamente
distribuídas, no espaço do domínio fixo estendido, que consiste numa região do espaço
12
onde pode existir a estrutura, um dado carregamento, uma dada fixação e certa
quantidade de material, Stump (2006).
O domínio fixo estendido é discretizado por uma malha de elementos finitos que
não se altera ao longo do processo de otimização e permite calcular as respostas
mecânicas. A otimização consiste em determinar quais pontos da estrutura devem
possuir ou não material; deste modo, a distribuição das densidades é parametrizada de
modo que cada ponto do domínio fixo estendido possa variar entre (0) e (1),
respectivamente, para ausência de material e presença de material. Os algoritmos
baseados nesta técnica buscam a melhor forma de distribuir o material minimizando ou
maximizando a função custo. Um exemplo para este grupo é o método SIMP (“Simple
Isotropic Material with Penalization”) Bendsøe (1989), Rozvany et al. (1992).
Na abordagem macro (geométrica), a topologia da estrutura é modificada
através da inserção de vazios no domínio. Como exemplo deste grupo de OT pode-se
citar o ESO (Evolutinary Structural Optimization) que é baseado no cálculo da função
objetivo quando um elemento é removido da malha de elementos finitos e TSA
(Topological Sensitivity Analysis) que é baseado em uma função escalar, denominada
Derivada Topológica, que fornece para cada ponto do domínio de definição do
problema a sensibilidade da função custo quando um pequeno furo é criado,
Labanowski et al. (2004).
O foco deste trabalho está relacionado ao processo de otimização topológica,
sendo apresentado a seguir um breve comentário sobre alguns destes métodos.
2.3.1 Método de Otimização Topológica SIMP (Simple Isotropic Material with

Penalization)
Nesta abordagem, a existência ou não de material é tratada através do uso de um

modelo de material fictício, que pode adotar comportamento intermediário entre sólido
e vazio. Assim, o processo de otimização pela técnica SIMP é definido pela equação:
E(x) = [ρ(x)] E 0 , ρ ∈ [0,1] e x ∈ Ω
n
(2.1)
onde n é um número denominado coeficiente de penalização, cujo valor deve ser maior
que 1(um) para penalizar o aparecimento de densidades intermediárias. Esta idéia foi,
13
inicialmente, proposta por Bendsøe e Kikuchi (1988) baseada no conceito de
microestruturas e de homogeneização, ver figuras 2.1 e 2.2.
Figura 2.1 – Modelo de material com microestrutura periódica de vazios retangulares

Porto (2006).
Uma vez utilizado o modelo de material com vazios retangulares, as variáveis de
projeto do problema de otimização passam a ser as dimensões geométricas do vazio
central, a e b, assim como a orientação da célula-base, θ , no meio heterogêneo.
Figura 2.2 – Modelo de material com microestrutura artificial

Porto (2006).
O método SIMP, basicamente, propõe que a microestrutura é desconhecida (daí
a denominação artificial), mas sua rigidez é conhecida, Pereira (2001). O método da
homogeneização conduz a um problema de otimização muito caro computacionalmente,
pois, dependendo da geometria da célula unitária, muitos parâmetros devem ser
otimizados. Devido a isso, vários autores têm utilizado microestruturas artificiais, nas
14
quais a única variável de projeto é a densidade de material ρ(x ) . O uso de
microestruturas artificiais, além de garantir a existência da mistura entre os dois
materiais isotrópicos de base, conduz, naturalmente, a projetos mais simples,
principalmente se forem utilizadas em conjunto com alguma técnica de filtragem,
Sant'Anna (2002).
Um critério de tensão para o modelo SIMP deve ser simples tal como a relação
entre densidade e rigidez. A isotropia das propriedades de rigidez devem ser estendidas
para o modelo de tensão. A restrição de tensão aplicada no modelo SIMP é a restrição
de tensão de Von Mises σ VM :
σ VM ≤ ρ nσ 1 se ρ > 0 (2.2)
Esta restrição reflete a atenuação de força de um meio poroso que surge quando
uma tensão média está distribuída na microestrutura local, o que significa que as tensões
permanecem finitas e não nulas para as densidades zero, Bahia (2005). A OT com
restrição de tensão está sujeita ao fenômeno de “instabilidade” que ocorrem devido à
degeneração do espaço de projeto então, o algoritmo não consegue atingir o ótimo sem
violar a restrição de tensão, este tema foi abordado por Kirsch (1990), Cheng e Jiang
(1992) e Cheng e Guo (1997) que propuseram uma relaxação ε nas regiões de baixa
densidade (altamente deformadas).
2.3.2 Método de Otimização Topológica TSA (Topological Sensitivity Method)
A derivada topológica é uma função escalar, estabelecida em todo o domínio de

definição do problema, que fornece a sensibilidade de uma determinada função custo
quando um pequeno furo é criado em determinado ponto, Novotny (2003), veja figura
2.3.
15
(a) (b)
Figura 2.3 - (a) Domínio original (sem furo), (b) Domínio perturbado (com furo).
Novotny (2003)
No caso específico de problemas estruturais, objetiva-se modificar o domínio Ω
e seu contorno, através do cálculo da sensibilidade da função custo à introdução de um
vazio, que corresponde a impor condições de contorno de Neumann homogênea sobre a
fronteira do furo introduzido. Se o domínio Ω é perturbado mediante a introdução de
um pequeno furo centrado no ponto escolhido arbitrariamente x̂ ∈ Ω , tem-se um novo
domínio Ω e = Ω − Be , cujo contorno é denotado por Γe = Γ ∪ ∂Be , onde Be = Be ∪ ∂Be
é um círculo de raio ε centrado no ponto x̂ ∈ Ω . Dessa forma, tem-se um domínio Ω

sem furo e outro Ω e com um pequeno furo Be . Considerando uma função custo ψ , a
Derivada Topológica é definida matematicamente, conforme a equação abaixo
encontrada em Garreau et al. (2001).
ψ (Ω e ) − ψ (Ω )
DT ( xˆ ) = lim (2.3)
ε →0 f (ε )
Onde f (ε ) é uma função regularizadora negativa, monotônica e decrescente, tal
que f (ε ) → 0 com ε → 0(0 ≤ ε < 1) que dependerá do problema em análise. Embora

esta definição de Derivada Topológica seja extremamente geral, o limite dado pela
equação (2.3) não pode ser obtido de maneira convencional. Dessa forma, no trabalho
de Novotny et al. (2003) foi proposto um novo método que permite utilizar todo o
ferramental matemático (e resultados) desenvolvido para a Análise de Sensibilidade à
Mudança de Forma, ver, por exemplo, Haug et al. (1986) e Fancello (1993) para
calcular a Derivada Topológica.
16
2.3.3 Método de Otimização Topológica ESO (Evolutionary Structural
Optimization)
Em função do grande número de operações envolvidas nos algoritmos baseados

em programação matemática, técnicas alternativas surgiram na literatura. Xie e Steven
(1993) desenvolveram uma maneira bem simples de impor modificações na topologia
da estrutura, feita mediante heurística de remoção gradual de elementos finitos da
malha, correspondentes a regiões que não contribuem, efetivamente, para a boa
performance da estrutura. Esta técnica, denominada ESO, foi primeiramente aplicada no
processo de otimização topológica para a minimização das tensões em componentes
mecânicos.
O critério escolhido para a Otimização Evolucionária Estrutural neste trabalho é
a diminuição da massa em um critério de tensão máxima da estrutura. Assim, o
processo de otimização usando a técnica ESO é definido pela inequação:
σ vme < RR.σ max
vm
(2.4)
Desta forma os elementos que satisfazem a inequação (2.4) serão removidos da
estrutura, pois são considerados ineficientes. Na inequação (2.4) RR é o atual raio de
rejeição, ele é usado para retardar o processo de remoção dos elementos e só será
atualizado por ER (razão de evolução) depois que um estado de equilíbrio seja
alcançado. Uma explicação deste método será apresentada no capitulo 4.
O critério de otimilidade usado por ESO incluiu a rigidez, Chu et al. (1996),
minimização da tensão Li et al. (1999a), deformação Xie e Steven. (1997), formação de
ondas Manickarajah et al. (1998), rigidez a torção Li et al. (1999b), entre outros.
2.4 Problemas Numéricos da Otimização Topológica
Com a consolidação do processo de Otimização Topológica surgiram várias

linhas de pesquisas e aplicações. Parte da comunidade científica dedicou-se ao estudo
dos problemas inerentes à sua formulação e outra às aplicações em problemas de
engenharia.
17
As principais contribuições relacionadas aos problemas de instabilidades
numéricas como: tabuleiro de xadrez, dependência da malha e os mínimos locais, foram
dadas por: Jog e Haber (1996), Haber et al. (1996), Sigmund (1997), Sigmund e
Peterson (1998), Cardoso e Fonseca (1999), Zhou et al. (2001), Stolpe e Svanberg
(2001.a), Bourdin (2001), Pousen (2002), Zhang e Duysinx (2003) e Matsui e Terada
(2004).
Os problemas mencionados acima serão brevemente comentados a seguir.
2.4.1 Tabuleiro de Xadrez (Checkerboard)
O problema numérico da instabilidade de tabuleiro, conhecido na literatura como

“checkerboard”, caracteriza-se pela formação na topologia ótima de regiões contendo
vazios (sem material) e sólidos (com material), que alternam de forma semelhante a um
tabuleiro de xadrez conforme indica a figura 2.4.
Tabuleiro de Xadrez
Figura 2.4 – Tabuleiro de xadrez presente na topologia

Porto (2006).
São muitos os trabalhos sobre este assunto, mas não existe um consenso entre os
pesquisadores sobre qual a melhor explicação para tal fenômeno. Existem duas
abordagens que aparecem com mais aceitação dentro da comunidade científica,
propostas por Diaz e Sigmund (1995). A primeira defendem a idéia de que esta
18
instabilidade ocorre devido às aproximações numéricas utilizadas pelo Método de
Elementos Finitos.
Segundo estes autores, a configuração em forma de tabuleiro apresenta uma
rigidez maior do que a homogênea, quando comparada em termos de deformação de
cisalhamento e volume constante. Esta abordagem é também defendida por Bendsøe e
Sigmund (2003) e sugerem como técnica para eliminação desta instabilidade que ocorre
quando se utilizam na formulação de elementos finitos, os elementos com funções de
interpolação bi-lineares, por exemplo, elementos quadriláteros de quatro nós ou
triangulares de três nós, a implementação com elementos de alta ordem (8 e 9 nós), pois
estes elementos poderiam simular de forma mais precisa o campo dos deslocamentos
podendo, então, reduzir a ocorrência deste problema.
A segunda abordagem defendida por Jog e Haber (1996) que utilizaram a teoria
de elementos finitos mistos para expressar o problema da OT, com dois campos físicos:
campo dos deslocamentos e das densidades, de forma similar ao problema de Stokes
(problema de distribuição das pressões em problemas de escoamento de fluídos no qual
distribui dois campos físicos: campo das velocidades e das pressões) ver Oden et al.
(1982). Entretanto, todas as combinações demandam elementos de alta ordem, pelo
menos na interpolação dos deslocamentos. Devido à dificuldade de implementação e o
alto custo computacional nestas duas abordagens surgem os filtros como alternativa de
redução da instabilidade de tabuleiro que será comentado a seguir.
2.4.2 Dependência da Malha
O problema da dependência da malha, que ocasiona diferentes soluções finais

para diferentes discretizações surge justamente do fato de discretizar o domínio. Quando
o domínio contínuo é discretizado, o espaço das soluções passa a ter dimensão finita.
Assim, a cada nova discretizaçao, uma nova solução mais refinada pode ser encontrada,
Sant’Anna (2002).
Na Otimização Topológica seria esperado que quanto mais refinada a malha
melhores seriam os resultados, entretanto, observa-se que com o aumento da
discretização a topologia ótima tende a se alterar, aumentando o número de “buracos” e
19
de membros da estrutura e o resultado qualitativamente diferente de um modelo com
uma malha mais grosseira, ver figuras 2.5. Assim, alguns trabalhos para a
independência da malha foram propostos como controle do perímetro (restrição dos
perímetros dos “buracos” formados na topologia), Haber e Jog (1996), restrições dos
gradientes local e global, Bendsøe e Sigmund (2004), controle do gradiente local e
global modificado, Zhou et al. (2001), filtros independentes da malha, Bendsøe e
Sigmund (2004), Sigmund e Peterson (1998). Vale ressaltar que esta técnica tem um
comportamento heurístico, portanto uma filosofia diferente da anterior e tem capacidade
de eliminar o aspecto de tabuleiro.
Figura 2.5 – Dependência da malha no problema de OT com restrição de tensão VM: (a)
malha com 3840 elementos triangulares (b) malha com 19200 elementos triangulares.
2.4.3 Mínimos Locais
Refere-se ao problema da obtenção de diferentes soluções para o mesmo

problema ao se escolher diferentes parâmetros para o algoritmo. A não-convexidade do
problema leva a possibilidade de encontrar muitos mínimos locais e diferentes soluções
para a mesma discretização quando são utilizados diferentes parâmetros iniciais no
algoritmo de otimização. Isto ocorre porque as provas de convergências dos algoritmos
funcionam para programação convexa, enquanto que para programação não convexa
apenas garante-se a convergência para pontos estacionários, que não são
necessariamente mínimos globais. Os algoritmos de otimização global disponíveis são,
20
em sua maioria, incapazes de lidar com uma grande quantidade de variáveis de projetos,
o que é o caso da otimização topológica.
As técnicas descritas, anteriormente, para controlar o aparecimento de
instabilidades como tabuleiro de xadrez e dependência da malha tendem a tornar o
problema convexo, fazendo com que, dessa forma, não alterados os parâmetros, a
topologia final possa ser reproduzida, Sigmund e Petersson (1998).
Este é o grande problema da OT que é extremamente sensível a pequenas
modificações em seus parâmetros, como número de elementos, geometria inicial, RR
(raio de rejeição), ER (razão de evolução), por exemplo. A análise experimental
mostrou que modificações nestes parâmetros podem causar a não convergência do
problema.
As funções e funcionais envolvidos no problema de otimização topológica,
geralmente, são não-convexas, tanto devido à não-linearidades na função objetivo
quanto nas restrições, podendo dessa forma possuir inúmeros mínimos locais,
Sant’Anna (2002). A figura 2.6 ilustra os tipos de solução em problemas de otimização
topológica.
Figura 2.6 – (a) função não-convexa, onde A e B representam duas diferentes

topologias; (b) função não estritamente convexa: existe um valor mínimo (C e D), que
correspondem a vários conjuntos distintos de valores para a variável de projeto x; (c)
Função convexa com unicidade de solução (ponto E).
Sant’Anna (2002)
21
Capítulo 3
Otimização Estrutural Evolucionária - O Convencional ESO
3.1 Introdução
O principal objetivo da otimização estrutural é encontrar a melhor distribuição

de material dentro de um domínio de projeto fixo, e que satisfaça as restrições impostas
ao mesmo. A distribuição de material é modificada, levando em consideração alterações
em algum comportamento mecânico da estrutura, tal como tensão, frequências naturais,
rigidez, flexibilidade, mínima massa, entre outros.
Em termos matemáticos, procura-se uma solução pertencente ao espaço R n , que
extremize uma função objetivo, isto é, determina os extremos dessa função (máximo ou
mínimo, dependendo do problema) dentro de uma região de projeto denominada região
viável ou factível. Esta região reúne os pontos de projeto que atendem restrições de
projeto, frequentemente classificadas em restrições de igualdade ou desigualdade.
A seleção da função objetivo é muito importante para o processo, deve sempre
ser função das variáveis de projeto, e muitas vezes, está relacionada com a questão
financeira, por exemplo, quando o funcional a ser minimizado é o volume da estrutura,
está-se minimizando o material gasto, que por sua vez, pode acarretar uma diminuição
nos custos.
Neste capítulo, será apresentado o Método de Otimização Evolucionária (ESO)
tendo como base o critério de máxima tensão da estrutura, pois esse método apresenta
algumas vantagens devido a sua heurística evolutiva, uma vez que apresenta uma base
teórica simples, possui fácil implementação, possibilita otimizar forma, topologia e
dimensão, simultaneamente, e ainda se contrapõem ao rigor matemático dos métodos de
otimização clássicos como BFGS, Lagrangiano Aumentado e Newton Rhapson,
Nocedal e Wright (1999).
A principal vantagem do ESO, quando comparado com os métodos estocásticos
mais populares Algoritmo Genético (AG) e Simulated Annealing (AS), é a
convergência mais rápida, já que os métodos estocásticos por serem algoritmos de
22
ordem zero, também, possuem fácil implementação, mas demandam um número muito
grande de iterações para convergir.
Finalmente, em relação ao método de homogeneização que é extremamente
dependente da geometria da célula unitária utilizada, por isso, apresenta muitos
parâmetros a serem otimizados, proporcionando um alto custo computacional. O
método ESO foi escolhido por apresentar todas as vantagens citadas acima e ainda
apresentar uma formulação matemática que proporciona robustez e eficiência ao
método, tal formulação pode ser encontrada em Querin (1997).
3.2 O Método Convencional ESO
O método de otimização estrutural evolucionária ESO foi desenvolvido a partir

de observações das estruturas na natureza tais como ossos, árvores e conchas, numa
tentativa de se analisar como essas estruturas adquiriram forma ao longo do processo de
evolução natural, Xie e Steven (1993).
O método ESO é um método de otimização de forma e topologia baseado no
conceito de remoção do material “ineficiente”, sendo que o material não removido tende
a se comportar como uma estrutura melhor adaptada as suas funções, Xie e Steven
(1997). É um processo heurístico que para remover os elementos de forma gradual e
iterativa, necessita da criação de um critério de rejeição. Este critério é uma maneira de
avaliar a contribuição de cada elemento na estrutura de modo a determinar quais
elementos serão removidos e quais permanecerão a cada iteração.
O método convencional ESO tem um procedimento que é conhecido como
“hard-kill” (mata todos os elementos que atendem a inequação 2.4) e pode ser
interpretado como segue:
 D0 se j ∈ Γ
D( j ) =  (3.1)
0 se j ∈ Γ
onde D ( j ) é a matriz constitutiva do ponto j ∈ Ω , D0 é a matriz constitutiva inicial do
  σ  
projeto, Ω = Γ + Γ é o domínio da estrutura e Γ = Ω /  MAXe  ≥ RR  é o conjunto
  σ VM (Ω)  
23
dos elementos que não serão removidos da estrutura (sólido)
  σ eVM  
Γ = Ω − Γ = Ω /  MAX  < RR  é o conjunto dos elementos que serão removidos
  σ VM (Ω)  
da estrutura (vazio).
O ESO é um processo de otimização estrutural, onde a forma e a topologia são
determinadas, simultaneamente, Xie e Steven (1997). A Otimização de Forma (“Shape
Optimization”) pode ser entendida como uma classe restrita da otimização topológica.
Ela determina os limites ótimos de uma estrutura para a topologia física dada. Nesse
modelo de otimização, o objetivo é modificar os contornos de uma estrutura para
alcançar economia de peso e melhoria no desempenho estrutural. A figura 3.1 mostra
um problema típico de otimização de forma.
Figura 3.1 – Ilustração de Otimização de Forma

Sonmez (2008).
A Otimização Topológica (“Topology Optimization”) pode ser explicada como
o processo que define a relação da topologia em uma estrutura. O resultado otimizado
da estrutura pode ser amplamente diferente do projeto inicial e, portanto, independente
do mesmo. A implicação disso é que não existe qualquer restrição sobre a forma
definitiva da estrutura em relação à forma inicial a não ser o domínio fixo estendido. A
figura 3.2 mostra uma ilustração de um problema de otimização topológica.
Fig. 3.2 – Ilustração de Otimização Topológica

Sonmez (2008).
24
3.3 O Método ESO em Tensão de Von Mises
Entre os muitos métodos de otimização que tem sido desenvolvido, um continua

muito atrativo devido à sua simplicidade e vem se desenvolvendo cada vez mais nos
últimos anos. É o método de Otimização Estrutural Evolucionário (ESO). Desde a sua
criação em 1992 por Xie e Steven, ESO é um método de otimização que usa um critério
de remoção de elementos baseado em tensões (Von Mises) de cada elemento em
componentes estruturais. Neste caso, os elementos finitos sujeitos aos menores valores
de tensão são removidos da malha, ver figura 3.3, a estrutura é novamente analisada e o
processo repetido. Este procedimento prossegue até que se atinja uma saturação no
campo de tensões da estrutura, ou seja, o valor de tensão atuante em todo domínio seja,
praticamente constante e muito próximo da tensão admissível do material ou que seja
atingido o limite de remoção de material.
Retirada do e-ésimo
elemento
Fig. 3.3 – Algoritmo Evolucionário: baseado na

retirada de elemento da malha
O critério de rejeição é usado para selecionar os elementos com os menores

valores de tensão em toda a estrutura. Para o caso de estado plano de tensão,
bidimensional e material isotrópico, a tensão utilizada é a tensão equivalente de Von
Mises, calculada no centróide de cada elemento e é dada pela expressão:
vm
σ max = σ x2 − σ x σ y + σ y2 + 3τ xy (3.2)
25
Onde σ x e σ y são respectivamente, as componentes normais do tensor de tensões nas
direções x e y e τ xy é a componente de tensão de cisalhamento.
A determinação dos elementos a serem removidos foi feita comparando a tensão

de Von Mises de cada elemento σ vme à tensão de Von Mises máxima que existe em toda
vm
a estrutura σ max . No fim de cada análise, todos os elementos que satisfazem a inequação
(3.3), serão removidos. A forma de retirada dos elementos que foi implementada neste
trabalho foi a de inutilizar o elemento alterando as suas propriedades estruturais. Assim
foi imposto um módulo de Young E = 10 −12 , valor bem próximo de zero, tal que a
contribuição desses elementos na rigidez do sistema passa a ser desprezível, ou seja, os
elementos são considerados desativados estruturalmente, mas não sendo retirados do
sistema para que não haja necessidade de remalhamento.
σ vme < RR.σ max

vm
(3.3)
Aqui, RR é a atual razão de rejeição. Ela é usada para retardar o processo da

remoção do elemento e está restrita à condição (0,0 ≤ RR ≤ 1,0). O mesmo ciclo de
remoção dos elementos usados pela desigualdade (3.3) é repetido até que os elementos
não possam mais ser removidos (com o RR dado). Quando esta situação ocorre, um
estado de equilíbrio é alcançado. O processo evolucionário é definido adicionando a
RR 0 uma razão de evolução ER. Assim, um novo ciclo de evolução inicia-se, até que
não existam mais elementos a serem eliminados com esta nova razão de rejeição
( RR = RR0 + ER) . A razão de rejeição será atualizada conforme a equação 3.4, até a
obtenção de uma configuração otimizada.
RR i +1 = RR i + ER i = 0,1,2,3,... (3.4)
Os valores escolhidos para RR e ER devem ser pequenos, aproximadamente 1%,

para que se tenha uma melhor convergência e não seja retirado muito material a cada
iteração, à semelhança do que ocorre no processo evolutivo natural, Querin (1997) e
26
Pross (2002). A cada etapa evolutiva de RR é possível observar a nova forma e
topologia determinada. O processo evolutivo em tensão pode ser determinado como
segue:
1) Discretizar o domínio de análise com uma malha refinada de elementos

finitos, de modo a circunscrever o domínio que cubra todas as condições de
contorno em deslocamento e ações;
2) Calcular as tensões principais e de Von Mises em cada elemento ( σ vme ) ;
3) Remover os elementos que satisfazem a inequação σ vme < RR.σ max

vm
dentro de
um limite prescrito (p%) do volume;
4) Repetir os passos 2 e 3 até que seja atingido o equilíbrio “steady state”;
5) Atualizar RR, conforme a equação 3.4, e iniciar nova retirada de elementos
repetindo os passos 2,3 e 4.
Este método foi implementado e os resultados obtidos serão apresentados nos

capítulos 3, 4 e 5. O fluxograma a seguir ilustra o procedimento ESO avaliado para
otimizar sobre a tensão de Von Mises.
27
Figura 3.4 – Procedimento ESO em tensão de Von Mises
Para facilitar e automatizar o processo de geração de malhas foi desenvolvido e

acoplado ao programa computacional, um gerador automático de malha triangular, uma
vez que o elemento finito a ser usado para os problemas de otimização nesta dissertação
é o denominado de Formulação Livre, Bergan e Felippa (1985), com geometria plana
triangular, o qual possui três nós, um em cada vértice, com três graus de liberdade em
cada nó, a saber: deslocamento horizontal, vertical e rotação azimutal ( u , v e θ z ).
28
3.4 – Nibbling
O método ESO, por sua natureza, criará cavidades ou “buracos” dentro do

domínio em função do procedimento de retirada de elementos de modo a atender a
inequação (3.2). Pode haver estágios em que a presença de “buracos” pode ser
desvantajosa ou inapropriado para o processo de otimização. Assim, com o objetivo de
prevenir que o ESO gere estes “buracos”, uma restrição chamada Nibbling, Xie et al.
(1993), deve ser incorporada ao processo de otimização ESO.
O limite imposto ao Nibbling permite ao método ESO agir, similarmente, ao
método de Otimização de Forma, alterando forma/perímetro da topologia da estrutura.
Assim, uma declaração do tipo: “Se um elemento satisfaz a inequação (3.3) do ESO,
aquele elemento só poderá ser removido se ao menos uma de suas bordas ou lados, não
estiver conectados a nenhum outro elemento da estrutura”, Querin (1997). Este
procedimento é esquematizado na figura 3.5.
Figura 3.5 – Atuação do Nibbling Convencional
O Nibbling é um algoritmo utilizado para otimizar os contornos de uma

estrutura. No fim de cada iteração os valores de tensão dentro da estrutura são
examinados para determinar a “necessidade” de criar uma cavidade (vazio). Se uma
região de baixa tensão for observada dentro da estrutura e o valor da tensão estiver
abaixo da tensão definida, inicialmente, então isto significa que há a necessidade da
29
cavidade. Neste caso, a forma original do ESO é aplicada para iniciar a cavidade
interna. Depois de criada a nova cavidade o Nibbling ESO continua modificando a
forma e o tamanho da nova cavidade assim como os contornos existentes até haver uma
“necessidade” para outra cavidade.
Neste trabalho, foi proposto um limite superior e um inferior para atuação do
Nibbling, com o objetivo de controlar o seu momento de atuar criando vazio, dentro de
uma região de baixa tensão do domínio fixo estendido, evitando, portanto, que ocorra
uma instabilidade na estrutura, como verificado quando o Nibbling convencional esta
atuando. Estes limites serão prescritos pelo usuário que define em qual intervalo de
iterações o Nibbling pode atuar, ver figura 3.6, proporcionando uma estrutura mais
robusta e com uma melhor performance, conforme percebido nas análises numéricas
avaliadas.
w p
Válido para uma certa Iteração:
m
ESO
(Com ou Sem Nibbling)
Se σi < ( σVM* RR) Removido

n
j
ESO
(Com Nibbling)
Se LimInf< Iteração < LimSup Permanece
t Se σn < ( σVM* RR)
Se [Lim Iteração] OU [LimInf Iteração] Remove
Sup
i
Figura 3.6 – Atuação do Nibbling neste trabalho
30
3.5 Índice de Performance
O método Performance-Based Optimization (PBO), foi recentemente

desenvolvido para projetos de topologia de estruturas do contínuo com restrição de
tensão, deslocamento e média “complience”. O método PBO incorpora a análise de
elementos finitos, teoria moderna da otimização estrutural e conceitos de performance
de projeto, dentro de um esquema único, para gerar, automaticamente, uma
configuração ótima da estrutura do contínuo.
Índices de performance são usados para monitorar o histórico da performance da
otimização estrutural enquanto o critério ótimo de performance-based é aplicado para
identificar o ótimo no processo de otimização. Assim, as características da performance
da estrutura, em um processo de otimização, são inteiramente capturadas.
O índice de performance (IP) é incorporado no método ESO para monitorar o
processo de otimização identificando a topologia ótima da estrutura do continuo. Este
índice pode ser usado para comparar a eficiência da topologia estrutural gerada por
diferentes métodos de otimização. O índice de performance é dado matematicamente
pela equação 3.5.
σ 0VM .V0
IP =
σ VM
i .Vi
(3.5)
onde IP representa o índice de performance da estrutura, Vi indica o volume do
elemento i na i-ésima iteração, V0 volume da estrutura na primeira iteração (volume
inicial), σ 0VM tensão máxima de Von Mises na primeira iteração (tensão inicial) e
σ VM
i tensão de Von Mises máxima do elemento i na i-ésima iteração.
O procedimento de otimização evolucionária usando índice de performance

segue os passos abaixo:
1) Discretizar a estrutura com uma malha refinada de elementos finitos

2) Analise de elementos finitos da estrutura
31
3) Calcular o índice de performance
4) Calcular a tensão de Von Mises ou (número de sensibilidade).
5) Remover os elementos com menores tensões ou (número de sensibilidade)
6) Repetir os passos de 2 a 6 até que o índice de performance seja menor que 1
ou constante nas próximas iterações.
O fluxograma abaixo ilustra o procedimento do índice de performance

incorporado no método ESO e na técnica SESO em tensão de Von Mises.
Figura 3.7 – Procedimento do Índice de Performance
32
3.6 Elemento Finito – Estado Plano de Tensões
Para proceder a análise de estruturas bidimensionais estática-lineares, utilizou-se

o Método dos Elementos Finitos, onde a formulação do elemento finito bem como
testes são apresentados em Almeida e Paiva (2007). Destaca-se que o elemento finito
empregado é o proposto por Bergan e Felippa (1985), que utilizam o modelo de
formulação livre. A geometria deste elemento é triangular com os três nós localizados
nos seus vértices, possuindo três graus de liberdade por nós: translação horizontal e
vertical e rotação. Apresenta-se um desenho esquemático do elemento com seus graus
de liberdade na figura 3.8.
nó j {u}Tj = {u j v j θ x }
•
j
3
x2
nó i
•{u} T
= {ui vi θ x i }
i
x1
nó k •
{u}Tk = {uk vk θ x k }
3
Figura 3.8 - Geometria e os 9 graus de liberdade do elemento de chapa

no sistema local Ox1x2.
Com este programa já desenvolvido por Almeida e Paiva (2007), foi

implementado um módulo de geração de malha triangular automatizada, usando a
técnica clássica de triangularização de Delaunay, de modo a criar um retângulo que
circunscreve a estrutura, levando-se em consideração as condições de restrição em
deslocamentos e forças atuantes.
Aplica-se um procedimento de mapeamento de todos os elementos,
caracterizando-os como elementos que podem sair ou não da estrutura, ou os elementos
que nunca podem sair da estrutura, uma vez que são regiões de projeto, quer seja por
interesse peculiar, ou por estarem vinculados aos apoios ou que neles atuem as ações.
Para o caso de ações devidas ao peso próprio, o programa gera automaticamente a força
33
concentrada equivalente para cada nó do elemento, já computando seu volume e peso
específico o qual é indicado nos dados de entrada do problema. Para este tipo de ação,
os elementos não são caracterizados como elementos de suporte, podendo ser retirados
da estrutura ao longo do processo iterativo do ESO.
Dessa forma, o programa segue o fluxograma conforme apresentado na figura
3.4.
3.7 – Estudos de Caso
Para ilustrar o conceito de otimização topológica (ESO) para problemas de

elasticidade plana linear, serão apresentados, nesta seção, dois exemplos de estruturas
planas modeladas como estado plano de tensões. Portanto, considere um componente
estrutural plano, caracterizado num espaço R 2 e por uma espessura no domínio R . Os
exemplos utilizados foram retirados da literatura para validação do algoritmo
implementado.
Nas figuras que representam a configuração ótima RRI representa a razão de
rejeição inicial, VI o volume na iteração i, VRI o volume retirado por iteração.
3.7.1 – Problema de duas Barras
O exemplo, a seguir, visa simular uma viga curta biapoiada. As geometrias bem
como as condições de contorno aplicadas podem ser vistas na figura 3.9. O material
isotrópico utilizado é o aço, com módulo de elasticidade valendo E = 2,1 ⋅ 1011 N/m 2 e
um coeficiente de Poisson valendo ν = 0,3 . O domínio foi discretizado com uma malha
refinada de (25x60) com 2998 elementos finitos.
34
Figura 3.9 – Problema de duas barras
O processo evolucionário começou com uma razão de rejeição (RR) igual 1% e

uma razão evolucionária de 0,75%. O volume desejado igual a 30% do volume inicial.
O volume retirado por iteração foi de 10%.
Aplicando o algoritmo ESO obteve-se a evolução da estrutura para a seguinte
forma otimizada, com um tempo computacional de 131 segundos. Veja figuras 3.10 a
3.12 que indicam a convergência do processo ESO.
Figura 3.10 - RR= 1,5%, RRI=1%,ER=0,75%,VI=78%

VRI=10%, 2998 elementos triangulares,
Iteração 32 - malha (25x60) - ESO.
35
Figura 3.11 - RR= 5,25%, RRI=1%, ER=0,75%,VI=47,5%,
Figura 3.12 - RR= 8,25%,RRI=1%, ER=0,75%,VI=30%

Para comparar os resultados acima obtidos com algoritmo ESO tem-se os
exemplos propostos por Silva (2001) e Porto (2006), onde foi abordado,
respectivamente, o método de otimização evolucionária sob critério de tensão e o
método de homegeneizaçao. Os resultados obtidos podem ser vistos nas figuras 3.13 e
3.14 a seguir.

Silva (2001).
36
Porto (2006).
Com o objetivo de avaliar a dependência do método de otimização
implementado com relação ao refino da malha e o volume desejado, o exemplo de duas
barras foi discretizado com as seguintes malhas (40x96) e (50x120) e volume desejado
igual a 25%. Os demais parâmetros e condições de contorno foram mantidos iguais. Os
resultados obtidos com o código implementado nesta dissertação serão apresentados a
seguir.
Figura 3.15 - RR=6,0%,RRI=1%,ER=0,75%,VI=25%

Iteração 119 - malha (40x96).- ESO
Figura 3.16 - RR=5,0%, RRI=1%,ER=0,75%,VI=25%

VRI=25%,12000 elementos triangulares,
Iteração 121 - malha (50x120) – ESO
37
Com o objetivo de analisar a influência da geometria inicial na configuração
ótima final, no problema de duas barras, foram alteradas as dimensões do domínio
inicial como podem ser observadas na figura 3.17.
Figura 3.17 – Viga curta biapoiada com

carga concentrada.
As propriedades do material foram mantidas iguais ao exemplo anterior, foram

alteradas a razão de evolução ER=0,5%, o volume desejado igual a 40% do volume
inicial e o volume retirado por iteração 1,75%.
Verificou-se que a estrutura convergiu para uma estrutura de domínio, diferente
do exemplo anterior, ver figura 3.18, onde se pode observar que a estrutura convergiu
para uma forma de treliça de duas barras, isto mostra que a OT é extremamente
dependente da configuração inicial do projeto.
Figura 3.18 - RR= 6,5%,ER=0,5%, VI=40%,

VRI=1,75%, 4798 elementos triangulares,
Iteração 152 - malha (64x30) - ESO
38
3.7.2 Mão-francesa
Este exemplo é um problema clássico da literatura da OT, a geometria, as

condições de contorno e as ações do problema está representada na figura 3.19. Usou-se
uma malha refinada de (80x40) com 6400 elementos triangulares.
A espessura considerada para chapa foi de 1 mm . O processo evolucionário
começou com uma razão de rejeição inicial (RRI) igual 1% e uma razão evolucionária
ER=1%. As propriedades do material utilizado são: coeficiente de Poisson ν = 0,33 ,
módulo de Young E = 210 GPa e volume desejado igual a 40% e 15% do volume
inicial e volume retirado por iteração igual a 5%.
Figura 3.19 – Mão-francesa
Aplicando o algoritmo ESO, obteve-se a evolução da estrutura para a seguinte

forma otimizada, veja figuras 3.20 e 3.21.
39
Figura 3.20 - RR= 2%,RRI=1%, ER=1%,VI=72%
Figura 3.21 - RR= 3%,RRI=1%,ER=1%,VI=40%

Estes resultados podem ser comparados com os resultados obtidos por Marczak
(2006) e Labanowski (2004), respectivamente, usando Método de Elementos de
Contorno e ESO com critério de rigidez. A configuração ótima apresentada pelos
autores citados acima pode ser observada nas figuras 3.22 e 3.23. A figura 3.24 ilustra a
configuração ótima obtida com o algoritmo ESO, implementado neste trabalho, em
critério de tensão máxima da estrutura.
40
Figura 3.22 – Viga curta bi-apoiada – MEC - A = 40% A
Marczak (2006).
Figura 3.23– Mão-francesa – V = 15%V , ESO – Energia Interna.

Labanowski (2004).
Figura – 3.24 – Mão-francesa - V = 15%V

ESO – Tensão
Analisando o problema proposto acima, com uma malha refinada de (80x40) e

alterando o volume desejado para 35% do volume inicial, mantendo os demais
41
parâmetros e condições de contorno, observa-se que a presença do tabuleiro de xadrez
aumentou, mas a estrutura ficou mais robusta. Os resultados obtidos são apresentados a
seguir.
Figura 3.25 - RR=5,0%, RRI=1%,ER=1%,VI=35%,

VRI=1,75%,4800 elementos triangulares,
Iteração 98 - malha (60x40).
Figura 3.26 - RR=6,0%,RRI=1%,ER=1%,VI=35%,

VRI=1,75% 6400 elementos triangulares,
Como era esperado, diferenças entre as soluções obtidas, para diferentes valores
de restrições de volume, são evidentes. Entretanto, não mudam, para este exemplo, a
topologia, apenas as larguras das barras. Observa-se, também, que o modelo comparado
mantém, aproximadamente, a mesma inclinação das barras, isto é, estão convergindo
para mínimos locais parecidos.
42
Capítulo 4
Otimização Estrutural Evolucionária Suavizada (SESO)
4.1 Introdução
Durante as últimas três décadas, muitos métodos matemáticos e heurísticos de

otimização foram desenvolvidos, podendo citar: Bendsøe e Kikuchi (1988), Zhou e
Rozvany (1991), Xie e Steven (1993), Xie e Steven (1997). Entre eles, o método de
Otimização Estrutural Evolucionária (ESO) que usa o conceito de gradualmente
remover (“hard-kill”) material ineficiente de uma estrutura, para que a estrutura
resultante evolua na direção ótima.
Ao se estudar e avaliar os exemplos pelo método ESO, notou-se que a remoção
dos elementos em cada iteração que satisfizesse a inequação (3.3), levava a retirada,
muitas vezes, precipitada ou precoce de um elemento que não deveria ser retirado. Isto
se dava, muitas vezes, pelo fato de que no processo evolutivo, certo elemento que não
deveria sair acabava sendo retirado para atender a inequação de tensões máximas,
gerando a uma solução forçada, não-ótima e com a criação, fortemente, acentuada do
problema do “checkerboard”, o qual é um dos maiores problemas do ESO.
Como alternativa, neste trabalho é proposto uma técnica - denominada de SESO
(Smoothing ou Suavização do ESO) - que representa uma suavização do ESO, de
modo que ao invés de retirar o elemento que atenda a inequação (3.3), conforme
procedimento do ESO atribui-se a cada elemento um valor de rigidez menor, reduzindo
assim sua matriz constitutiva (D) ao longo do processo evolutivo, seguindo uma função
de ponderação.
A filosofia do novo procedimento se baseou na observação de que se o
elemento não for realmente necessário à estrutura, naturalmente sua contribuição de
rigidez vai diminuindo progressivamente, até que ele não tenha influência na estrutura.
Caso contrário, se ele é imprescindível para a estrutura, mas em um certo ponto sua
tensão ficou abaixo do limite da tensão máxima de Von Mises, ao invés de retirá-lo,
diminui-se sua rigidez e o mantem na estrutura. Esse procedimento evita a retirada
43
precoce de algum elemento, mas também, gera um maior tempo computacional no
processo evolutivo.
O SESO foi desenvolvido, inicialmente, organizando em um grupo os
elementos que atendem a inequação (3.3), de modo que é estabelecido a priori uma
porcentagem de permanência (p%) dos elementos desse grupo, de modo que os demais
elementos do grupo são devolvidos à estrutura (1-p%). Esta devolução é realizada por
uma função reguladora, que pondera os elementos com maiores tensões como um
procedimento (“soft-kill”). Esta técnica mostrou-se eficiente e capaz de suavizar um
dos principais problemas da otimização topológica que é a formação de tabuleiro de
xadrez (“checkerboard”), conforme comentado.
Neste capítulo, será feita uma abordagem teórica da técnica SESO, sendo
apresentados os resultados numéricos de alguns exemplos clássicos da literatura da OT
usando esta técnica. Também será feito um breve comentário sobre os filtros de
densidade e de vizinhança fixa, assim como, a formulação do filtro utilizado neste
trabalho.
4.2 Otimização Estrutural Evolucionária Suavizada (SESO)
A técnica de otimização topológica proposta nesta dissertação é uma suavização

do ESO, pois apresenta um procedimento (“soft-kill”), isto é, o material que deveria ser
removido pelo ESO, num procedimento (“hard-kill”.), é dividido em n grupos, tal que
p% destes n grupos são removidos e (1-p%) devolvidos a estrutura, proporcionando
uma suavização do ESO. Esta remoção e devolução de elementos à estrutura é feita por
σ eVM
uma função, linear ou hiperbólica, que pondera a razão dentro do domínio Γ ,
σ VM
MAX
isto é, permite que elementos com alta tensão (próximos σ VM

MAX
, mas que atendem a
restrição do ESO) sejam reintegrados a estrutura a cada iteração. Isto proporciona um
bom condicionamento do novo sistema de equações que será resolvido na iteração
seguinte, pois estes elementos são importantes para a estrutura.
44
O procedimento “soft-kill”, usado na técnica SESO, pode ser interpretado assim:
 D0 se j ∈ Γ
D( j ) = 
D 0η j (Γ ) se j ∈ Γ
(3.6)
σ eVM
onde 0 ≤ η j (Γ ) ≤ 1 é uma função reguladora que pondera o valor da razão dentro
σ VM
MAX
do domínio Γ e pode eliminar o problema do tabuleiro.

A suavização proposta pode ser realizada através do termo η (Γ ) usando uma
função linear do tipo η(Γ ) = αj + β ou uma função trigonométrica do tipo η(Γ ) = sen (αj) ,
pois estas funções são contínuas, portanto, diferenciáveis em todo o domínio Γ e tem
imagem variando de 0 a 1.
Figura 4.1 – Ilustração da suavização do volume de elementos

retirados na iteração i
45
Figura 4.2 – Ilustração da evolução do volume com
a variação da função reguladora η ( j )
4.3 – Filtros
Em Cardoso (2000) é descrito que o procedimento de filtrar consiste em aplicar

um operador matemático sobre uma função não regular, capaz de obter uma função
nova, mais suave. Estes métodos de filtragem apresentam a vantagem de serem mais
fáceis de programar e, computacionalmente, mais barato. Sigmund (1994) e Sigmund
(1997) comentam que os filtros são capazes de alcançar a independência da malha
quando aplicado sobre os gradientes da função objetivo. Bourdin (2001) verificou que
os filtros de densidade têm capacidade de controlar o gradiente das variáveis de projeto,
portanto apresenta bons resultados com relação ao problema de dependência da malha.
Desse modo, existem na literatura diversos trabalhos que apresentam técnicas de
filtro, onde se destacam os dois mais comuns.
4.3.1 – Filtros de Densidade
Na Otimização Topológica os filtros espaciais de densidade, Cardoso e Fonseca

(1999), Cardoso e Fonseca (2003) conseguiram bons resultados quanto à dependência
da malha. A idéia deste método é transformar um problema mal posto em um problema
46
bem condicionado, pois considera os centróides de um conjunto de elementos finitos da
malha contido num círculo cujo centro coincide com o centróide de um elemento finito
central, deste modo todos os elementos vizinhos localizados no interior do círculo
influenciam diretamente na densidade deste último elemento.
Figura 4.3 – Abrangência do filtro espacial em malha irregular.

Sant’Anna (2002)
Este filtro suaviza a distribuição espacial das variáveis de projeto ao longo do
domínio estendido fixo, através de uma transformação matemática a cada variável do
problema de otimização.
O filtro espacial com raio de abrangência variável, adotado nesta dissertação, é
aplicado no campo das tensões, calculado no centróide de cada elemento, mas como
estas tensões são variáveis, atualizadas a cada iteração durante o processo de
otimização, ao aplicar esse filtro modifica-se os valores ótimos encontrados para essas
variáveis. No entanto, como o filtro é aplicado no centróide dos elementos, isto permite
um controle simplificado da complexidade da OT.
4.3.2 – Filtros de Vizinhança Fixa
Nos filtros de vizinhança fixa, o conceito é um pouco diferente, já que o

elemento central sofre influência, apenas, dos elementos vizinhos adjacentes (vizinho de
lados e nós). Estes filtros foram propostos por Swan e Kosoka (1997a) e não resolve o
47
problema de dependência da malha, mas tem a capacidade de solucionar a instabilidade
de tabuleiro.
Figura 4.4 – Elemento central i sofrendo influência dos elementos

vizinhos de lados e nós
Nota-se que, havendo um refinamento da malha inicial representada pela Figura

4.4, o filtro por vizinhança fixa agirá em uma área menor, se considerado sobre o ponto
de vista de um único elemento finito. Este comportamento explica a ineficiência deste
tipo de filtro em adequar solução independente do nível de refinamento da malha.
4.4 Eliminação do Tabuleiro de Xadrez
Sabe-se que, quanto mais discretizado o domínio inicial do projeto melhor o

contorno da topologia ótima, além de descrever melhor o campo de deslocamentos e
consequentemente o campo das deformações e tensões. Entretanto, o aumento desta
discretização no domínio inicial do projeto provoca a formação do “tabuleiro de
xadrez”. Neste item será verificada a evolução do código computacional implementado
neste trabalho capaz de lidar com malhas finas e evitar a formação do indesejado
“tabuleiro de xadrez”.
48
Depois da implementação da rotina do ESO, num procedimento “hard-kill”,
verifica-se a formação do tabuleiro e a grande dependência desta técnica da
discretização do domínio inicial do projeto. A partir disso, foi implementado um filtro
espacial de tensão que tem capacidade de evitar a formação do tabuleiro. Este filtro
suaviza a distribuição espacial das variáveis de projeto (tensão de Von Mises de cada
elemento) ao longo do domínio inicial do projeto.
O filtro utilizado neste trabalho minimiza, também, a dependência da malha de
elementos finitos e permite o controle da complexidade da topologia.
O parâmetro de controle do filtro é o raio de abrangência e quanto maior for o
raio maior será a suavização da distribuição das tensões de Von Mises do elemento
central no interior do domínio inicial. Porém não se deve usar um valor pequeno, pois
corre-se o risco de voltar ao problema da formação do tabuleiro de xadrez, e não se deve
usar um valor grande, uma vez que culmina numa quantidade muito grande de
elementos para calcular as tensões intermediárias de Von Mises, já que esta é calculada
observando a distância entre os centróides do elemento central e os vizinhos de nós e
arestas, e os elementos cujos centróides estiverem dentro do circulo de raio r, ver figura
4.5.
Raio de Abrangência
Figura 4.5 – Elemento central i sofrendo influência dos elementos

vizinhos dentro de um círculo de raio r
49
A maneira pela qual a tensão do elemento i sofre influência das tensões dos
elementos j dentro de uma circunferência de raio r é dada pela equação:
NV
i . Ai + w . ∑ σ j . A j
σ vm vm
σ iponderado =
j
NV
(3.7)
A i + w. ∑ A j
j
o termo σ iponderado é a tensão de Von Mises ponderada do elemento i, que, inicialmente,
apresenta tensão de Von Mises σ vm

i , A i é a área do elemento i, A j área do elemento j e
σ vm
j a tensão de Von Mises do elemento j. O peso w é escrito através da equação:
NV
∑wj
j=1
w= (3.8)
NV
onde:
R max − R ij
wj = (3.9)
R max
Na equação 3.8, NV representa o número de elementos finitos cujos centróides

estão no interior da circunferência de raio de abrangência R max . Na equação 3.9, R ij é a
distância entre os centróides dos elementos i e j. Assim, mesmo que haja um

refinamento da malha, mas o raio seja mantido, a região delimitada pelo círculo será a
mesma agora com mais elementos triangulares que influenciam a tensão do elemento
central, isso justifica a redução da dependência da solução com relação ao nível de
discretização da malha de EF, adicionalmente, é possível diminuir também a
instabilidade de tabuleiro.
Em termos matemáticos, os filtros espaciais, é uma restrição adicional à
formulação do problema de otimização. Com o aumento do raio, os gradientes ficam
restritos a valores menores, logo, a transição entre sólido (material) e vazio (sem
material) torna-se mais suave, gerando mais elementos com tensões intermediárias.
Percebe-se, fortemente, a sensibilidade da formulação do elemento finito utilizado à
escolha do raio de abrangência, quando este assume um valor muito grande, pois os
gradientes das variáveis de projeto podem ficar restritos a taxas de variações bem
50
pequenas tais que o problema de otimização pode não ter solução para a condição inicial
proposta.
O algoritmo do filtro de tensões, implementado neste trabalho, será apresentado
a seguir:
1) Calcular as coordenadas do CG do elemento i;
2) Determinar as coordenadas do CG dos elementos j em relação aos eixos
coordenados de referência;
3) Definir o raio da circunferência, neste trabalho, dado pela média aritmética
dos lados dos elementos finitos triangulares, multiplicado por um escalar;
4) Calcular a distância do CG do elemento i ao CG dos elementos j e comparar
com o raio, se esta distância for menor que o raio, o elemento j terá o CG.
dentro do circulo de raio r;
5) Calcular a média ponderada da tensão do elemento i, usando a equação 3.7.
Nas análises numéricas realizadas, verificou-se que a suavização imposta ao

ESO, combinada com o filtro, proporciona a eliminação do tabuleiro de xadrez além de
tornar a estrutura menos dentada e mais robusta.
4.5 – Algoritmo da Suavização
O algoritmo do SESO é semelhante ao algoritmo do método ESO, mas alterado

nos seguintes pontos: 1) Remoção dos elementos (os elementos são divididos em grupos
e p% é removido e (1-p%) é devolvido a estrutura); 2) Atuação do Nibbling, nesta
técnica é definido um intervalo de iterações, isto é, um limite inferior e outro superior,
para controlar a sua atuação. Deste modo, é possível descrever em forma de Fluxograma
o procedimento do SESO, que é descrito na figura 4.6.
51
Figura 4.6 – Fluxograma do SESO
52
4.6 Estudos de Caso
Para ilustrar o conceito de otimização topológica (SESO) para problemas de

elasticidade plana linear, serão apresentados, nesta seção, três exemplos de estruturas
planas modeladas com estado plano de tensões. Portanto, considere um componente
estrutural plano, caracterizado num espaço R 2 e por uma espessura no domínio R . Os
exemplos utilizados foram retirados da literatura para validação do algoritmo
implementado.
Para o terceiro exemplo é apresentado o gráfico volume, tensão e razão de
rejeição (RR) por número de iterações das duas técnicas, respectivamente, ESO e
SESO.
4.6.1 Problema de duas Barras
O problema de duas barras foi analisado para avaliar a implementação da técnica

SESO. Assim, as propriedades do material não foram alteradas e nem a geometria
inicial do projeto, ver figura 3.9, proporcionando uma comparação mais precisa com o
procedimento de otimização usando o método ESO.
Aplicando o algoritmo SESO implementado obteve-se a evolução da estrutura
para a seguinte forma otimizada.
Figura 4.6.1 - RR= 3%, 2998 elementos triangulares,

Iteração 31 - malha (25x60) - SESO.
53
Figura 4.6.2 - RR= 6,75%, 2998 elementos triangulares,
Figura 4.6.3 - RR= 10,5%, 2998 elementos triangulares,

Com o objetivo de avaliar a dependência da técnica de otimização (SESO)

implementada neste trabalho, com relação ao refinamento da malha e a fração de
volume desejado, o exemplo de duas barras foi discretizado com as seguintes malhas:
(40x96) e (50x120). O volume desejado igual a 25%. Os demais parâmetros e condições
de contorno foram mantidos iguais. Os resultados obtidos serão apresentados a seguir.
Figura 4.6.4-RR=8,25%, 7680 elementos triangulares,

54
Figura 4.6.5-RR=5,25%, 12000 elementos triangulares,
O gráfico a seguir mostra uma relação inversa entre RR e o número de

elementos da malha. Nesta análise verificou-se que quanto mais refinada a malha, maior
será a tensão de Von Mises Máxima e menor o valor de RR. Assim o produto de RR
pela tensão máxima da estrutura tem uma variação pequena em relação à malha menos
refinada proporcionando a cada iteração a retirada de um número maior de elementos e
consequentemente menos passos de RR para atingir o estado de equilíbrio.
80
70
60
50
RR(%)
40
30
20
10
0
0 1000 2000 3000 4000 5000
NÚM ERO DE ELEM ENTOS
Figura 4.6.6 – RR (%) por número de elementos

da malha – SESO
4.6.2 Mão-francesa
Neste, exemplo, para fazer uma comparação com o método ESO, não foram
alteradas as variáveis de projeto, apenas os limites de atuação do Nibbling. Assim, as
55
dimensões do domínio e as condições de contorno podem ser verificadas no capítulo
anterior, ver figura 3.19. O material isotrópico utilizado é o aço, com módulo de
elasticidade valendo E = 2,1 ⋅ 1011 N/m 2 e um coeficiente de Poisson valendo ν = 0,3 . O
domínio foi discretizado numa malha fina de (80x40) com 6400 elementos.
Aplicando o algoritmo, obteve-se a evolução da estrutura para a seguinte forma
otimizada, veja figuras 4.6.7 e 4.6.8.
Figura 4.6.7-RR=2%,RRI=1%,ER=1%,VI=72%,
Figura 4.6.8-RR=3%,RRI=1%,ER=1%,VI=40%,
Iteração 88 - malha (80x40) – SESO
Com o objetivo de avaliar a dependência do método de otimização

implementado com relação ao refinamento da malha, fração de volume desejado e razão
de evolução, o exemplo de mão-francesa, foi discretizado com as seguintes malhas
(60x40) e (100x40). O volume desejado igual a 35% e ER=0,75%. Os demais
56
parâmetros e condições de contorno foram mantidos iguais. Os resultados obtidos serão
apresentados a seguir, veja figuras 4.6.9 e 4.6.10.
Figura 4.6.9-RR=6,0%,RRI=1%,ER=0,75%,VI=35%,
Figura 4.6.10-RR=6,0%, RRI=1%, ER=0,75%,VI=35%,

Como era esperado, o custo computacional da técnica SESO, é um pouco mais

caro que o método ESO, respectivamente, 255 e 267 segundos, isto ocorre devido à
suavização, uma vez que o volume retirado por iteração (VRI), foi mantido o mesmo.
Entretanto, os resultados apresentados pela técnica SESO são melhores do que os
apresentados pelo ESO, uma vez que não apresenta problemas indesejados como o
tabuleiro de xadrez, e ainda, determina uma suavidade no contorno da estrutura.
4.6.3 Viga Curta bi-apoiada com Carga Concentrada
Este exemplo foi resolvido usando o método ESO e a técnica SESO para fazer
uma comparação entre as variáveis de projeto envolvidas. Assim, são apresentados
alguns gráficos que mostram a evolução da solução nos dois processos de otimizaçao.
57
A geometria, condições de contorno e ações do problema são indicadas na figura
4.6.11, e a espessura considerada para chapa foi de 1 mm . O domínio foi discretizado
numa malha refinada de (100x40) com 8000 elementos finitos triangulares.
uma razão evolucionária de 1%. As propriedades do material utilizado são coeficiente
de Poisson ν = 0,33 , módulo de Young E = 210 GPa e volume desejado igual a 40% do
volume inicial, volume retirado por iteração igual a 1,75%.
Figura 4.6.11 – Viga curta biapoiada com carga pontual
Aplicando o algoritmo ESO, implementado neste trabalho, obteve-se a evolução

da estrutura para a seguinte forma otimizada, observe as figuras 4.6.12 e 4.6.13.
Figura 4.6.12 - RR=2%,RRI=1%, ER=1%, VI=64%

58
Figura 4.6.13 - RR=4%,RRI=1%, ER=1%, VI=40%
Para mostrar a evolução do volume, índice de performance, tensão de Von Mises

e razão de rejeição com número de iterações, foram plotados os seguintes gráficos:
Volume
Peformance
VOLUME E ÍNDICE DE PERFORMANCE
2.5
2.0
1.5
1.0
0.5
0.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
NÚMERO DE ITERAÇÕES
Figura 4.6.14 – Evolução do volume e índice de performance

por número de iterações usando o método ESO
Na figura 4.6.14 nota-se que o índice de performance monitora, a cada iteração,

o desempenho da estrutura quando o seu volume tende para o critério de ótimo
desejado. Durante o processo evolucionário a degeneração do domínio fixo estendido
59
pode causar uma instabilidade numérica que, neste caso, poderia ser detectada pelo
índice de performance.
851.9
851.8
TENSÃO DE VON MISES MÁXIMA

851.7
851.6
851.5
851.4
851.3
851.2
851.1
851.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Figura 4.6.15 – Evolução da tensão de Von Mises

0.04
RAZÃO DE REJEIÇÃO (RR)
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Figura 4.6.16 – Evolução da Razão de Rejeição (RR)

Com o objetivo de analisar como as grandezas mencionadas acima variam

durante o processo evolutivo, este exemplo foi resolvido usando a técnica SESO
60
mantendo os mesmos parâmetros usados no ESO, mudando apenas os limites de
atuação do nibbling. A estrutura, então, evoluiu para a seguinte forma ótima, conforme
figura 4.6.18.
Figura 4.6.17 - RR=3%,RRI=1%, ER=1%, VI=64%.

.
Figura 4.6.18 - RR=6%,RRI=1%, ER=1%, VI=40%.

.
Os gráficos a seguir relacionam as variáveis índice de performance, volume,

número de iterações e tensão de Von Mises Máxima e como elas se comportam durante
o processo evolutivo.
61
Volume
Índice de Peformance
VOLUME E ÍNDICE DE PERFORMANCE

2.5
2.0
1.5
1.0
0.5
0.0
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160
Figura 4.6.19 – Evolução do volume e índice de performance

por número de iterações usando a técnica SESO
Durante as análises numéricas realizadas, pode-se observar que o índice de

performance mede a eficiência da topologia da estrutura, monitorando o critério de
ótimo. Assim, à medida que o volume tende para um volume limite prescrito, o índice
de performance, calculado em cada iteração, aumenta, capturando todas as informações
de desempenho da estrutura.
566.00
565.75
565.50
565.25
565.00
564.75
564.50
564.25
564.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150
Figura 4.6.20 – Evolução da tensão de Von Mises

62
0.06

0.05
0.04
0.03
0.02
0.01
0.00
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140
Figura 4.6.21 – Evolução da Razão de Rejeição (RR)

Como já era esperado, durante o processo evolucionário, a tensão de Von Mises

na técnica SESO é suavizada, mantendo-se menor do que no método ESO, como pode
ser observado nos gráficos 4.6.15 e 4.6.20. Como as variáveis de projeto foram
mantidas iguais, a justificativa para este fato é que a devolução dos elementos com
maiores tensões, que seriam removidos por ser considerados ineficientes, funcionam
como “escoras” atenuando as tensões.
Nas análises numéricas realizadas constatou-se que, durante o processo
evolutivo, a atualização da razão de rejeição (RR) no método ESO é mais rápida do que
na técnica SESO, isto é fácil de explicar, pois o processo de remoção dos elementos
considerados ineficientes no método ESO é mais radical, (“hard-kill”) enquanto na
técnica SESO é mais moderado, (“soft-kill”), o que provoca um atraso na atualização da
razão de rejeição, isto é, são necessários mais passos de RR para atingir a configuração
ótima final.
63
Capítulo 5
Resultados Numéricos
5.1 Introdução
O objetivo deste capítulo é apresentar as investigações feitas através da

Otimização Estrutural Evolucionária baseada na implementação de uma rotina com
critério de projeto em tensão máxima da estrutura. O método ESO (Evolutionary
Structural Otimisation) implementado, neste trabalho, para resolução de alguns
problemas tradicionais da OT em regime linear, visando à validação e sua
potencialidade. É importante ressaltar que para facilitar o processo de geração de malha
desenvolveu-se rotinas de geração de malha triangular baseado na triangularização de
Delaunay, Lee e Schachter (1980), uma vez que para realizar a análise elastostática
linear do problema de estado plano de tensões usou-se o Método dos Elementos Finitos,
de modo que o elemento empregado é denominado de Formulação Livre, com
geometria triangular, conforme formulação apresentado em Bergan e Felippa (1985).
Além disso, os exemplos apresentam todas as dimensões no SI (Sistema Internacional).
O material isotrópico utilizado é o aço, com módulo de elasticidade valendo
E = 2,1 ⋅ 1011 N/m 2 e um coeficiente de Poisson valendo ν = 0,3 . Os módulos de
elasticidades de valores diferentes do citado foram retirados de exemplos da literatura.
Todas as figuras retiradas de Liang et al. (2000) tem suas medidas em milímetros.
Uma suavização do ESO, aqui denominada, SESO também foi implementada
neste trabalho. Os exemplos apresentados serão resolvidos com as duas técnicas e os
resultados comparados para mostrar a eficiência e robustez da técnica SESO.
Para cada exemplo foi especificado o domínio inicial do projeto, o valor de RR
(razão de rejeição), o valor de ER (razão evolucionária), volume desejado, volume
retirado por iteração, volume da iteração, a malha de elementos finitos e o número da
iteração. Além disso, será apresentado em alguns exemplos etapas do processo
evolutivo e uma análise desses resultados.
64
Este capítulo está dividido em cinco partes, assim distribuídas: 1) exemplos com
cargas concentradas, 2) múltiplos casos de cargas, 3) topologia com buracos, 4) peso
próprio, 5) aplicações em engenharia civil e mecânica.
5.2 Exemplos com cargas concentradas
5.2.1 – Estrutura de Michel
O primeiro exemplo foi o mesmo resolvido em Xie e Steven (1993) e apresenta

a solução analítica, que será usada para validação do algoritmo evolucionário proposto
neste trabalho.
A estrutura considerada neste exemplo foi estudada em 1904, por Michell. A
figura 5.1 mostra a solução analítica dessa estrutura.
Figura 5.1 – Estrutura de Michell
O algoritmo utilizado parte de um domínio inicial especificado, e através do

algoritmo evolucionário de otimização estrutural mostrado no capítulo 3 determina a
estrutura otimizada. Na figura 5.2, são indicadas as dimensões do domínio, condições
de contorno e ações do problema, a espessura considerada para a chapa foi de 1 mm .
Este domínio foi discretizado numa malha refinada de (96x40) com 7680 elementos
finitos triangulares.
65
Figura 5.2 – Domínio inicial para a estrutura de Michell

uma razão evolucionária de 0,75%. Módulo de Young E = 200 GPa e volume desejado
igual a 40% do volume inicial e o volume retirado por iteração de 1,75%. A estrutura
evoluiu para a seguinte forma otimizada, veja figuras 5.3 a 5.5.
Figura 5.3 - RR=1,5%,RRI=1%,ER=0,75%,

Figura 5.4 - RR=3,75%,RRI=1%,ER=0,75%,

66
Figura 5.5 - RR= 6,0%, RRI=1%,ER=0,75%,
Iteração 230 - malha (96x40) – ESO
O exemplo anterior foi resolvido com a técnica SESO, mostrando-se mais

robusta e eliminando a presença do checkboard (tabuleiro de xadrez) que pode ser
observado na figura 5.5.
O processo evolucionário começou com uma razão de rejeição (RR) igual 1% ,
uma razão evolucionária de 1,1% e volume retirado por iteração de 5% proporcionando
uma convergência mais rápida que o método ESO. A estrutura de Michell usando a
técnica SESO evoluiu para a seguinte forma otimizada, veja figuras 5.6 a 5.8.
Figura 5.6 - RR= 2,2%, RRI=1%, ER=1,1%,

Iteração 21 - malha (96x40) - SESO
Figura 5.7 - RR= 5,5%, RRI=1%, ER=1,1%,

67
Figura 5.8 - RR= 8,8%, RRI=1%, ER=1,1%,
O gráfico, a seguir, mostra o processo evolutivo do exemplo 1, em que o índice

de performance, monitora o desempenho da estrutura, enquanto o volume tende para o
volume desejado.
Volume
2.6
Índice de Performance
2.4
VOLUME E INDICE DE PERFORMANCE
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140
Figura 5.9 – Evolução do volume e índice de performance

O gráfico a seguir mostra que a razão entre a tensão de Von Mises atual pela
tensão de Von Mises inicial cresce com o número de iterações devido a remoção do
elementos em cada iteração, no entanto, nas análises realizadas este crescimento não
ultrapassou o valor de 2% da tensão inicial.
68
1.04
(TVMATUAL/TVMINICIAL)
1.03
1.02
1.01
1.00
0.99
0.98
0 20 40 60 80 100 120 140
Figura 5.10 – Razão da tensão de Von Mises Máxima atual pela Inicial
Os resultados podem ser comparados com o resultado obtido por Liang (2005),
Querin (1997), respectivamente, usando PBO (Performance-based Optimization) e
Performance Index. A configuração ótima apresentada pode ser vista nas figuras 5.11 e
5.12.
Figura 5.11 – Configuração obtida por Liang

(2005)
Figura 5.12 – Configuração obtida por

Querin (1997)
69
Neste exemplo, constatou-se que o método ESO, apresentou a instabilidade
numérica do tabuleiro de xadrez, e teve um custo computacional de, aproximadamente,
12minutos. A técnica SESO apresentou um custo computacional de 8 minutos, e não
apresentou a instabilidade do tabuleiro, além de apresentar-se mais robusta e mais
“limpa”, que no método ESO. Os parâmetros alterados, ER e volume retirado por
iteração, proporcionaram à técnica SESO melhor desempenho computacional.
5.2.2 - Viga biengastada com carga concentrada
Este exemplo visa simular uma viga biengastada sob estado plano de tensão. A
geometria e as condições de contorno são mostradas na figura 5.13. A estrutura contínua
é discretizado em um modelo de elementos finitos, com 3600 elementos triangulares.
As unidades de todas as grandezas envolvidas são compatíveis entre si, a espessura
considerada para esta viga foi de 1 mm . O resultado encontrado usando o método ESO e
a técnica SESO pode ser comparado com o apresentado por Wang (2003), ver figura
5.17, usando o Método de Homogeneização.
Figura 5.13 – Viga curta
biengastada com carga concentrada

uma razão evolucionária de 0,5%. As propriedades do material utilizado são coeficiente
70
volume inicial, o volume retirado por iteração foi de 1%.
Aplicando o algoritmo implementado obteve-se a evolução da estrutura para a
seguinte forma otimizada, veja figuras 5.14 a 5.16.
Figura 5.14 – RR=2,5%,RRI=1%,ER=0,5%,

Iteração 35 – malha (60x30) – ESO
Figura 5.15 – RR=3,0%, RRI=1%,ER=0,5%,

Figura 5.16 – RR=4,5%, RRI=1%,ER=0,5%,

Iteração 140 – malha (60x30) - ESO
71
Figura 5.17 - Viga curta biengastada com carga pontual
Wang (2003)
O processo evolucionário, usando a técnica SESO, começou com uma razão de

rejeição (RR) igual 1% , razão evolucionária de 1,25% e o volume retirado por iteração
de 10%. A estrutura otimizada usando a técnica SESO converge com uma velocidade
maior que o ESO, pois apesar da suavização imposta é possível retirar mais elementos
de uma só vez, sem provocar uma instabilidade numérica durante o processo evolutivo.
Assim, a estrutura evoluiu para da seguinte forma, veja as figuras de 5.18 a 5.20.
Figura 5.18 – RR=3,75%,RRI=1%,ER=1,25%,

Iteração 15 – malha (60x30) – SESO
Figura 5.19 – RR=5,0%, RRI=1%,ER=1,25%,

VRI=10% 3600 elementos triangulares,
72
Figura 5.20 – RR=6,25%,RRI=1%, ER=1,25%,
VRI=10% 3600 elementos triangulares,
A diferença da configuração ótima apresentada nas figuras 5.16 e 5.20 em

comparação com a figura 5.17 ocorre devido às condições de contorno empregada na
implementação dos algoritmo.
5.3 – Exemplos com vários casos de cargas concentradas
5.3.1 - Exemplo 1 - Viga biapoiada
Neste exemplo, o modelo é representado por um domínio inicial, conforme

ilustrado na figura 5.3.1. As variáveis são compatíveis, e todas no SI de unidades de
medidas. Para discretizar o problema foi utilizado uma malha refinada de (32x20) com
1280 elementos triangulares. Além disso, foi considerado como critério de parada o
volume igual a 35% do volume inicial. A espessura considerada para a chapa foi de
1 mm e o módulo da força concentrada igual a 1000N. A topologia final foi atingida
após 113 iterações do algoritmo de otimização topológica descrito no capitulo 3, com
volume retirado por iteração igual a 1,75%.
73
Figura 5.3.1 – Viga curta biapoiada com três
cargas concentradas

uma razão evolucionária de 0,75%. Assim, a estrutura evoluiu para a seguinte forma
otimizada.
Figura 5.3.2 – RR = 4,5%,RRI=1%, ER=0,75%,

Figura 5.3.3 – RR = 9,0%,RRI=1%, ER=0,75%,

74
Figura 5.3.4 – RR = 12,75%, RRI=1%,ER=0,75%,
O resultado acima pode ser comparado com o exemplo resolvido em Arantes

(2003), usando a técnica de otimização topológica com refino h-adaptativo e o resultado
apresentado na figura 5.3.5 a seguir:
Figura 5.3.5 – Viga curta biapoiada com três cargas concentradas

Arantes (2003)
Este exemplo foi analisado usando a técnica SESO alterando os limites de

atuação do nibbling, a razão de evolução para 1,25% e o volume retirado por iteração
para 5%. A topologia final foi atingida após 93 iterações do algoritmo de otimização
topológica descrito no capítulo quatro (4). A estrutura otimizada usando a técnica SESO
evoluiu para da seguinte forma, veja figuras 5.3.6 a 5.3.8.
Figura 5.3.6 – RR = 7,5%,RRI=1%,ER=1,25%,

Iteração 31 – malha (32x20) - SESO
75
Figura 5.3.7 – RR = 11,25%,RRI=1%,ER=1,25%,
VRI=1,25 1280 elementos triangulares,
Figura 5.3.8 – RR = 18,75%,RRI=1%,ER=1,25%,

Com o objetivo de mostrar a influência da discretização na topologia da

estrutura, isto é, o aparecimento de mais membros na forma otimizada este exemplo foi
rodado com uma malha refinada de 160x50 totalizando 16000 elementos finitos
triangulares. A geometria, condições de contorno e as ações do problema foram
mantidas iguais, alterando-se apenas os limites de atuação do nibbling. Assim, a
estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.3.9 a 5.3.11.
Figura 5.3.9 – RR = 3,75%,RRI=1%,ER=1,25%,

76
Figura 5.3.10 – RR = 6,25%,RRI=1%,ER=1,25%,
Figura 5.3.11 – RR = 11,25%,RRI=1%,ER=1,25%,

O resultado acima pode ser comparado com o exemplo resolvido em Arantes

(2003), usando a técnica de otimização topológica com refino h-adaptativo e o resultado
apresentado na figura 5.3.12 a seguir:
Figura 5.3.12 – Viga curta biapoiada com três cargas concentradas

Arantes (2003)
5.3.2 - Exemplo 2 - Viga biapoiada
A geometria, condições de contorno e ações do problema são indicadas na

figura 5.3.13, e a espessura considerada para esta chapa é de 10 mm . Para discretizar o
domínio foi usado uma malha refinada de (60x30) com 3600 elementos.
77
uma razão evolucionária de 1%. As propriedades do material utilizado são coeficiente
volume inicial, volume retirado por iteração igual a 10%. Os valores das cargas são
iguais a P1 = 40KN e P2 = 20KN .
Figura 5.3.13 – viga biapoiada sujeita a ação de várias cargas

Liang (2007)
A topologia final foi atingida após 96 iterações do algoritmo de

otimização topológica descrito no capitulo quatro, com custo computacional de 149
segundos. A estrutura otimizada usando a técnica SESO evoluiu para da seguinte forma.
Figura 5.3.14 – RR = 9%,RRI=1%,ER=1%,

78
Este resultado pode ser comparado com o resultado proposto por Liang (2007),
conforme ilustrado na figura 5.3.15, a seguir.
Figura 5.3.15 – Configuração ótima

Liang (2007)
5.4 Estruturas com “vazios” no domínio
5.4.1 – Aspectos Gerais
O objetivo desta sessão é apresentar as investigações feitas através da

Otimização Estrutural Evolucionária baseada na implementação de uma rotina com
critério de tensão máxima da estrutura. O método ESO e a técnica SESO foram
implementados neste trabalho para resolução de exemplos com buracos, visando a sua
validação e potencialidade.
Para cada exemplo tem-se a especificação da malha de elementos finitos para o
qual se inicia a otimização evolucionária estrutural, o valor de RR (razão de rejeição),
ER (razão de evolução), volume prescrito desejado. Além disso, foi implementado um
critério de controle no qual é permitido ao algoritmo a retirada de i % dos elementos em
cada iteração, assim podemos controlar a retirada de muito material numa só iteração
que poderia causar uma instabilidade numérica ou colapso na estrutura antes de atingir o
ótimo. Serão apresentadas também algumas etapas do processo evolucionário e uma
análise desses resultados.
79
5.4.2 Exemplo 1 – Problema de duas Barras
Com relação ao problema de duas barras foi feito um estudo da influência do

domínio inicial na resposta otimizada.
A figura 5.4.1, ilustra a geometria, as condições de contorno e as ações do
problema. A espessura considerada para esta chapa foi de 0.1 cm . Para discretizar o
dominio foi utilizado uma malha refinada de (25x60) com 2824 elementos finitos
triangulares. Foi introduzido um furo quadrado cujo centro é o centróide da chapa e sua
área e igual 4 cm 2 .
uma razão evolucionária de 0,75%. As propriedades do material utilizado foi coeficiente
volume inicial, volume retirado por iteração igual 1,75%.
Figura 5.4.1 – Domínio de projeto com buraco -

Problema de duas barras
Este exemplo foi proposto por Silva (2001) e o resultado está ilustrado na figura
5.4.2, usando o método de otimização estrutural evolucionária (ESO) e será usado para
comparar e validar os algoritmos implementados neste trabalho.
80
Figura 5.4.2 – Problema de duas barras
Silva (2001)
Aplicando o algoritmo ESO com critério de tensão máxima a estrutura evoluiu

para a seguinte forma otimizada, veja figuras 5.4.3 a 5.4.5.
Figura 5.4.3 – RR=2,25%,RRI=1%,ER=0,75,

Figura 5.4.4 – RR=3,75%,RRI=1%,ER=0,75%,

81
Figura 5.4.5 – RR=9,0%, RRI=1%,ER=0,75%,
Conclui-se que a alteração feita no domínio inicial não modificou o ótimo desta
estrutura. Isso pode ser explicado pelo fato de que após a iteração 27 todos os elementos
do contorno do furo foram removidos, tornando o problema igual ao original. Se o
buraco fosse introduzido na região viável este resultado seria bastante modificado.
Este exemplo foi resolvido usando a técnica SESO, mantendo as mesmas
variáveis de projeto, mudando apenas limites inferior e superior de atuação do nibbling.
Assim a estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.4.6 a 5.4.8.
Figura 5.4.6 – RR=3,0%, RRI=1%,ER=0,75%,

82
Figura 5.4.7 – RR=6,0%, RRI=1%,ER=0,75%
Figura 5.4.8– RR=12,0%,RRI=1%,ER=0,75%,

5.4.3 Exemplo 2 – Viga biapoiada
A figura 5.4.9, ilustra a geometria, as condições de contorno e as ações do

problema. Para discretizar o problema foi utilizado uma malha refinada de (100x25)
com 4688 elementos. As unidades são compatíveis e todas no SI de unidades de
medidas, sendo que a espessura considerada para a chapa igual a 1 mm como todas as
medidas indicadas na figura 5.4.9 que também estão em milímetros. A topologia final
foi atingida após 121 iterações do algoritmo de otimização topológica ESO, descrito no
capitulo três, com volume retirado por iteração igual a 1,75%.
83
Figura 5.4.9 – Viga biapoiada com dois buracos
Liang et al. (2000)

uma razão evolucionária de 1%. As propriedades do material utilizado são coeficientes
de Poisson ν = 0,15 , módulo de Young E = 30088 MPa e volume desejado igual a 38%
do volume inicial. A taxa de retirada de material por iteração foi de 1,75% caso ocorra
uma uniformidade de tensão antes do estado de equilíbrio ser alcançado. Este problema
foi resolvido com um procedimento otimização estrutural evolucionária (ESO) sobre
critério de tensão máxima da estrutura e esta evoluiu para a seguinte forma ótima, veja
figuras 5.4.10 a 5.4.12.
Figura 5.4.10 – RR=2%, RRI=1%,ER=1%,

84
Figura 5.4.11 – RR=3%, RRI=1%,ER=1, %,
Figura 5.4.12 – RR=5%,RRI=1%,ER=1%,

Este problema é novamente considerado, neste caso, fazendo uso da técnica

SESO e mantendo as mesmas variáveis de projeto, mudando apenas o intervalo de
atuação do nibbling. Assim, a estrutura evoluiu para a seguinte forma otimizada, veja
figuras 5.4.13 a 5.4.15.
Figura 5.4.13 – RR=4,0%,RRI=1%,ER=1%,

85
Figura 5.4.14 – RR=9%,RRI=1%,ER=1%,
Figura 5.4.15 – RR=17%, RRI=1%,ER=1%,

Este exemplo foi proposto por Liang et al. (2000). Sua forma ótima está ilustrada
na figura 5.4.16 e será usado para comparação e validação das técnicas implementadas
nesta dissertação.
86
Figura 5.4.16 – Viga bi-apoiada com dois buracos - Configurações ótimas
Liang et al. (2000)
5.4.4 Exemplo 3 – Viga biapoiada
Esta estrutura foi modelada conforme mostra a figura 5.4.17. Ao todo o modelo
numérico possui 13200 elementos finitos triangulares.
Os parâmetros materiais e geométricos, assim como os carregamentos aplicados,
utilizados neste exemplo são: coeficiente de Poisson ν = 0,15 , módulo de Young
E = 20820 MPa , espessura de 1 mm , volume desejado igual a 48% do volume inicial e
o volume retirado por iteração igual 1,75%. O processo evolucionário ocorreu com uma
razão de rejeição de 1% e uma razão de evolução de 1%. O “buraco” inserido no
domínio tem área de 225 dm 2 e seus vértices têm coordenadas (5,5), (20,5), (20,20) e
(5,20).
87
Figura 5.4.17 – Viga biapoiada com um buraco
Liang et al. (2000)
Observa-se que o algoritmo baseado no método ESO, neste exemplo, teve um

custo computacional menor do que o algoritmo baseado na técnica SESO, o primeiro
apresentou um configuração ótima na iteração 91 enquanto o segundo na iteração 116.
Usando o algoritmo ESO a estrutura evoluiu para a seguinte forma, veja figuras 5.4.18 a
5.4.20, enquanto o algoritmo SESO proporcionou uma evolução para a seguinte
configuração, veja figuras 5.4.21, 5.4.22a e 5.4.22b.
Figura 5.4.18 – RR=1%, RRI=1%, ER=1%,

88
Figura 5.4.19 – RR=2%, RRI=1%,ER=1%,
Figura 5.4.20 – RR=3%, RRI=1%,ER=1%,

Figura 5.4.21 – RR=3%, RRI=1%,ER=1%,

89
Figura 5.4.22a – RR=3%, RRI=1%,ER=1%,
Figura 5.4.22b – RR=5%, RRI=1%,ER=1%,

Este exemplo foi proposto por Liang (2000). Sua forma ótima está ilustrada na
figura 5.4.23 e será usado para comparação e validação das técnicas implementadas
nesta dissertação.
Figura 5.4.23 – Viga biapoiada com um buraco

Liang (2000)
90
5.4.5 Exemplo 4 – Chapa Parafusada
As figuras 5.4.24 e 5.4.25, ilustram a geometria, as condições de contorno e as

ações do problema. As unidades são compatíveis e todas no SI de unidades de medidas,
sendo que a espessura considerada para a chapa igual a 1 mm . Os exemplos contém
uma chapa com um furo hexagonal, e outra com um furo octogonal, com restrições x, y
no contorno do buraco. O valor da carga foi distribuído em três nós, sendo um terço
para cada nó. Assim, a carga foi distribuída nos nós de coordenadas (5,5;1,9), (5,5;2,0) e
(5,5;2,1) cujo valor absoluto é F = 3,33333x10 6 N .
Figura 5.4.24 – Chapa retangular com buraco hexagonal
Figura 5.4.25 – Chapa retangular com buraco Octogonal
O problema foi analisado com poligonais diferentes: o primeiro caso foi

analisado uma poligonal de seis segmentos com todos os contornos restritos. No
modelo, utilizou-se uma malha refinada de (55x40) com 3795 elementos finitos
91
triangulares. O segundo caso foi analisado com a mesma malha, mas uma poligonal de
oito segmentos, com isso o número de elementos finitos triangulares passou para 3696.
O processo evolucionário de otimização estrutural ESO sobre critério de tensão
máxima da estrutura evoluiu para a seguinte forma ótima:
Primeiro Caso: O processo evolucionário começou com uma razão de rejeição (RR)
igual 1% e uma razão evolucionária de 0,5%. Foram adotados neste exemplo como
parâmetros do material E = 215 GPa , coeficiente de Poisson ν = 0,30 , espessura igual
1 mm . O volume desejado igual a 15% do volume inicial, a taxa de retirada de material
por iteração foi de 5% caso ocorra uma uniformidade de tensão antes do estado de
equilíbrio.
Figura 5.4.26 – RR=5,5%,RRI=1%, ER=0,5%,

Figura 5.4.27 – RR=10,25%,RRI=1%, ER=0,5%,

92
Figura 5.4.28 – RR=5,5%,RRI=1%, ER=0,5%,
Este exemplo foi proposto por Marczak (2006) usando o Método de Elementos
de Contorno. Sua forma ótima está ilustrada na figura 5.4.32 e será usado para
comparação e validação das técnicas implementadas nesta dissertação.
Pode-se constatar que, o algoritmo SESO, convergiu com 308 iterações
enquanto o ESO com 614 iterações, provavelmente isto se deve ao aumento dado à
razão de evolução, uma vez que, as demais variáveis envolvidas no processo
evolucionário foram mantidas iguais.
Figura 5.4.29 – RR=6,6%,RRI=1%,ER=1,1%,

93
Figura 5.4.30 – RR=15,4%,RRI=1%,ER=1,1%,
Figura 5.4.31 – RR=36,3%,RRI=1%,ER=1,1%,

Figura 5.4.32 – Michell truss

Marczak (2006)
94
Segundo Caso: Neste caso, o volume retirado por iteração foi o mesmo do caso anterior,
isto é, 5% e o volume final 25% do volume inicial, diferente do aplicado no primeiro
caso. As demais condições não foram alteradas, verificando-se que a estrutura evolui
para a seguinte configuração ótima.
Figura 5.4.33 – RR=8%,RRI=1%,ER=0,5%,

Figura 5.4.34 – RR=14,0%,RRI=1%,ER=0,5%,

Figura 5.4.35 – RR=33,5%,RRI=1%,ER=0,5%,

95
Constata-se que, o algoritmo SESO, neste caso, convergiu com 607 iterações,
conforme já era esperado, pois a razão de evolução diminuiu em 0,6%, e as demais
variáveis de projeto foram mantidas iguais. Assim, a estrutura evoluiu para a seguinte
forma otimizada, veja figuras 5.4.36 a 5.4.38.
Figura 5.4.36 – RR=13,5%,RRI=1%,ER=0,5%,

Figura 5.4.37 – RR=23,5%, RRI=1%,ER=0,5%,

Figura 5.4.38 – RR=38,0%,RRI=1%,ER=0,5%,

96
A figura 5.4.39 pode ser usada como comparação dos resultados obtidos no
segundo caso, esta figura foi retirada do artigo de Marczak (2006).
Figura 5.4.39 – Michell truss – usando MEC

Marczak (2006)
Nestes exemplos, verifica-se que o controle sobre as variáveis de projeto da

técnica ESO, tais como, ER (razão de evolução), volume retirado por iteração e os
limites de atuação do nibbling são muito sensíveis a discretização da malha e a
geometria do elemento, enquanto a técnica SESO, não tem apresentado tais deficiências.
O método ESO, em seu processo evolucionário, não converge para o volume desejado,
encontra um mínimo local e não é capaz de contorná-lo, isto é, durante o processo de
otimização o índice de performance torna-se menor do que 1, então o algoritmo não
converge, já que a estrutura não é viável para projeto.
5.4.6 Exemplo 5 – Chapa Retangular
Este exemplo foi resolvido usando o método ESO e a técnica SESO para fazer
uma comparação entre as variáveis de projeto envolvidas. A geometria, condições de
contorno e ações do problema são indicadas na figura 5.4.40, e a espessura considerada
para chapa foi de 1 mm . O domínio foi discretizado numa malha refinada de (60x40)
com 4768 elementos finitos triangulares. Foi introduzido um furo quadrado cujo centro
é o centróide da chapa e sua área igual 1cm 2 .
97
volume inicial, volume retirado por iteração igual a 5%.
Figura 5.4.40 – Chapa biapoiada com buraco central
Este exemplo foi proposto por D. Tcherniak e O. Sigmund (2001). Sua forma
ótima está representada na figura 5.4.41 e será usada para comparação e validação das
técnicas implementadas nesta dissertação.
Figura 5.4.41 – Chapa biapoiada com buraco central

D. Tcherniak e O. Sigmund (2001)
98
Usando a técnica ESO, a estrutura evoluiu para a seguinte forma otimizada,
observe as figuras 5.4.42 a 5.4.44.
Figura 5.4.42 – RR=3,0%, RRI=1%,ER=0,5%,

Figura 5.4.43 – RR=5,5%,RRI=1%,ER=0,5%,

Figura 5.4.44 – RR=11,5%, RRI=1%,ER=0,5%,

99
Constata-se que o algoritmo SESO, neste caso, convergiu com o mesmo número
de iterações que o algoritmo ESO, isto ocorreu porque houve um aumento de 0,25% na
razão de evolução, já que as demais variáveis de projeto não foram alteradas. Assim, a
estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.4.45 a 5.4.47.
Figura 5.4.44 – RR=3%,RRI=1%,ER=0,75%,

Figura 5.4.45 – RR=6,75%, RRI=1%,ER=0,75%,

Figura 5.4.46 – RR=15%,RRI=1%,ER=0,75%,

100
5.5 Peso próprio
Para o caso de ações devidas ao peso próprio, o programa gera automaticamente

a força concentrada equivalente para cada nó do elemento, já computando seu volume e
peso específico o qual é indicado nos dados de entrada do problema. Para este tipo de
ação, os elementos não são caracterizados como elementos de suporte, podendo ser
retirados da estrutura ao longo do processo iterativo do ESO ou SESO.
5.5.1 – Maçã
Uma das questões mais intrigantes na natureza ou em estruturas naturais é:

"Porque elas são do jeito que são?” em um exercício para revelar a resposta desta
pergunta, o método ESO foi aplicado ao projeto/otimização de uma fruta.
Especificamente, a intenção era ver se o algoritmo ESO e o SESO poderiam produzir a
mesma forma criada pela natureza de uma maçã ou cereja, verificando assim, se seu
formato foi determinado por uma perspectiva genética ou estrutural.
5.5.1, a espessura considerada para chapa foi de 1 mm . O módulo de Young igual
E = 70x10 3 MPa e um coeficiente de Poisson igual a ν = 0,3 . Utilizou-se uma razão de
rejeição igual 0,1%, uma razão evolucionária de 0,1%, o volume desejado igual 76% do
volume inicial e o volume retirado por iteração igual a 1,75%. O domínio foi
discretizado numa malha refinada de (81x27) totalizando 4309 elementos finitos
triangulares.
A estrutura foi submetida à ação de seu próprio peso. A atuação do nibbling
ocorreu com limite inferior e superior iguais a 0 e 50, respectivamente. Todas as
variáveis de projeto foram mantidas iguais, para efeito de comparação das técnicas.
Assim, a estrutura evoluiu naturalmente para a forma de uma maçã como pode ser
verificado nas configurações ótimas, veja figuras 5.5.2 e 5.5.3 para o algoritmo ESO e
as figuras 5.5.5 e 5.5.6 para o algoritmo SESO.
101
Figura 5.5.1 - Maçã – Peso Próprio
Querin (1997)
Figura 5.5.2 - RR=0,2%,RRI=0,1%, ER=0,1%, VI=87%.

102
Figura 5.5.3 - RR=0,3%,RRI=0,1%, ER=0,1%, VI=76%.
O gráfico, a seguir, mostra o procedimento evolucionário do algoritmo ESO no

exemplo da maçã. O custo computacional, neste exemplo, foi de 104 segundos.
Índice de Peformance
1.7 Volume
1.6 Tensão de Von Mises
1.5
1.4
1.3
1.2
PI/VOLUME/TVM
1.1
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 10 20 30 40 50
NÚMERO DEITERAÇÕES
Figura 5.5.4 – Processo evolucionário ESO
103
Figura 5.5.5 - RR=0,2%,RRI=0,1%, ER=0,1%, VI=89%,
Figura 5.5.6 - RR=0,3%,RRI=0,1%, ER=0,1%, VI=76%,

O gráfico, a seguir, mostra o procedimento evolucionário do algoritmo SESO no

exemplo da maçã. O custo computacional, neste exemplo, foi de 97 segundos.
104
Índice de Performance
Volume
1.6
Tensão de Von Mises
1.5
1.4
1.3
1.2
1.1
PI/VOLUME/TVM 1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0 10 20 30 40
Figura 5.5.7 – Processo Evolucionário SESO
Este exemplo foi proposto por Querin (1997) e Xie et al. (2005), usando ESO.
Sua forma ótima está ilustrada na figura 5.5.8, e será usado para comparação e
validação das técnicas implementadas nesta dissertação.
Figura 5.5.8 – Topologia semelhante a uma maçã

Querin (1997)
Pode-se constatar que o algoritmo SESO, convergiu com 40 iterações, enquanto

o ESO com 45 iterações. O custo computacional para a técnica SESO foi de 97
105
segundos e no ESO 104 segundos. Apesar da suavização, a técnica SESO, tem um custo
computacional menor. Provavelmente, isto se deve ao aumento das tensões de Von
Mises, durante o processo evolucionário, permitindo que sejam retirados mais
elementos pelo algoritmo SESO, que no algoritmo ESO, uma vez que o critério de
remoção dos elementos é igual.
Pode-se observar na figura 5.5.9 o fluxo de tensão durante o processo de
otimização usando as duas técnicas propostas neste trabalho.
Figura 5.5.9 – Fluxo de tensão usando o

SESO e ESO
5.5.2 – Exemplo 1 - Viga Biapoiada
Este exemplo foi resolvido em Porto (2006), utilizando o modelo SIMP. A

figura 5.5.10 representa a topologia ótima apresentada por Bruyneel e Duysinx, apud
Porto, (2006).
106
Figura 5.5.10 – Viga biapoiada – Peso próprio
Porto (2006)
5.5.10, a espessura considerada para chapa foi de 1 mm . O domínio foi discretizado
numa malha refinada de (100x40) com 8000 elementos finitos triangulares.
As propriedades do material utilizado são coeficiente de Poisson ν = 0,3 ,
módulo de Young E = 10 5 MPa e volume desejado igual a 15% do volume inicial. O

volume retirado por iteração foi de 10%.
Figura 5.5.11 – Viga curta biapoiada sujeita à

ação de seu próprio peso
A viga está sujeita à ação de seu peso próprio e começou o processo

evolucionário com uma razão de rejeição (RR) igual 1% e uma razão evolucionária de
1,25%. Aplicando o algoritmo ESO, obteve-se a evolução da estrutura para a seguinte
forma otimizada, veja figuras 5.5.12 a 5.5.14.
107
Figura 5.5.12 – RR=2,5%, RRI=`1%,ER=1,25%,
Figura 5.5.13 – RR=2,5%, RRI=`1%,ER=1,25%,

Figura 5.5.14 – RR=8.75%, RRI=`1%,ER=1,25%,

Neste exemplo, todas as variáveis foram mantidas iguais, inclusive os limites de

atuação do nibbling. Observa-se que o algoritmo baseado no método ESO, neste
exemplo, teve um custo computacional maior do que o algoritmo baseado na técnica
SESO, o primeiro apresentou um configuração ótima na iteração 223, enquanto o
108
segundo na iteração 190. Os resultados apresentados pelo algoritmo SESO podem ser
observados nas figuras a seguir:
Figura 5.5.15 – RR=3,75%, RRI=`1%,ER=1,25%,

Figura 5.5.16 – RR=6,25%, RRI=`1%,ER=1,25%,

Figura 5.5.17 – RR=13,75%, RRI=`1%,ER=1,25%,

109
5.5.3 – Exemplo 2 – Viga Biapoiada
Este exemplo foi resolvido por Xie et al. (2005), utilizando ESO com critério de
tensão, a figura 5.5.18 ilustra a topologia ótima apresentada pelos autores. Esta
configuração será usada para comparação e validação das técnicas implementadas.
Figura 5.5.18 – Viga biapoiada sujeita a ação do peso próprio

Xie et al. (2005)

5.5.18, a espessura considerada para chapa foi de 1 mm . As dimensões indicadas nesta
figura estão no SI de unidades de medidas e todas compatíveis entre si. O domínio foi
discretizado numa malha refinada de (90x36) com 6478 elementos finitos triangulares.
Figura 5.5.19 – Viga curta biapoiada sujeita à ação

de seu próprio peso

110
de Poisson ν = 0,3 , módulo de Young E = 100000Pa e volume desejado igual a 15% do
volume inicial. O volume retirado por iteração foi de 10% e a estrutura submetida à
ação de seu próprio peso.
Aplicando o algoritmo ESO obteve-se a evolução da estrutura para a seguinte
forma otimizada:
Figura 5.5.20 – RR=2%, RRI=1%,ER=1%,

Figura 5.5.21 – RR=3%, RRI=1%,ER=1%,

Figura 5.5.22 – RR=6%, RRI=1%,ER=1%,

111
Este exemplo foi resolvido neste trabalho, fazendo uso da técnica SESO. As
variáveis de projeto permaneceram iguais às utilizadas no algoritmo ESO. Assim, a
estrutura foi submetida à ação de seu próprio peso convergindo para um arco conforme
pode ser observado nas figuras a seguir.
Figura 5.5.23 – RR=1%, RRI=1%,ER=1%,

Figura 5.5.24 – RR=3%,RRI=1%, ER=1%,

Figura 5.5.25 – RR=6%, RRI=1%,ER=1%,

112
5.5.4 – Viga MBB
Este exercício foi proposto por Bruyneel e Duysinx (2004) em nota sobre
otimização topológica de estruturas do contínuo incluindo peso próprio, utilizando o
modelo SIMP e BGMMA (Gradient Based Method of Moving Asymptotes), a topologia
ótima pode ser observada na figura 5.5.27. A denominação deste problema tem como
origem o nome da empresa aeronáutica alem
Figura 5.5.26 – Domínio e tipos de suporte viga MBB

Bruyneel e Duysinx (2004).
Figura 5.5.27 – Variação de uma viga MBB

Bruyneel e Duysinx (2004).
A geometria, as condições de contorno e ações do problema estão ilustradas na

figura 5.5.26. Este exemplo foi resolvido neste trabalho, fazendo uso da técnica SESO,
foi utilizada uma malha refinada (100x40) com 8000 elementos. A viga MBB esta
sujeita à ação de seu próprio peso. O módulo de Young igual E = 100 N/m 2 e um
coeficiente de Poisson igual a ν = 0,3 , espessura de 1 mm .
No processo evolucionário, utilizou-se uma razão de rejeição de 1,0% e uma
razão de evolução de 1,25%. O volume desejado igual 28% do volume inicial e o
113
volume retirado por iteração igual a 10%. Nestas condições, a estrutura evoluiu para a
seguinte forma otimizada, observe as figuras 5.5.28 a 5.5.30.
Figura 5.5.28 – RR=6,25%,RRI=1%,ER=1,25%,

Figura 5.5.29 – RR=8,75%,RRI=1%,ER=1,25%,

Figura 5.5.30 – RR=16,25%,RRI=1%,ER=1,25%,

5.6 Aplicações em engenharia civil e mecânica
O objetivo desta seção é mostrar a robustez e validar a técnica SESO

(suavização do ESO), proposta nesta dissertação, com critério de tensão máxima da
estrutura, mostrando o seu desempenho ao resolver um conjunto de exemplos no campo
da engenharia civil e mecânica. Nos exemplos resolvidos nesta seção, as hipóteses
assumidas são: material linear, isotrópico e homogêneo, com propriedades definidas
por: Módulo de Young E = 210 GPa e coeficiente de Poisson ν = 0,33 , exceto quando
114
citado no texto. Serão ilustrados os estados ótimos intermediários e alguns gráficos para
comparar algumas das variáveis de projeto durante o processo evolutivo.
5.6.1 – Braçadeira de formato U
Com a finalidade de avaliar o algoritmo de otimização SESO implementado

nesta dissertação, o problema de braçadeira em U, com várias cargas concentradas,
proposto por Abdalla (2004), usando um procedimento de otimização baseado em
“células automatas” (CA), será usado para comparação de resultados.
A figura 5.6.1 mostra a geometria, as condições de contorno e as ações do
problema. Este domínio foi discretizado com uma malha refinada de (90x60) elementos
finitos triangulares.
Figura 5.6.1 - Braçadeira em formato U

Abdalla (2004)
A espessura considerada para chapa foi de 1 mm . O processo evolucionário

começou com uma razão de rejeição (RR) igual 1% e uma razão evolucionária de 1%. O
volume desejado igual a 40% do volume inicial, o volume retirado por iteração foi de
5%. Assim, a estrutura evoluiu para a seguinte forma otimizada, veja figuras 5.6.2 a
5.6.4.
115
Figura 5.6.2 - RR=3%, RRI=1%,ER=1%,
Iteração 40 - malha (90x60). – SESO
Figura 5.6.3 - RR=5%, RRI=1%,ER=1%,

Figura 5.6.4 - RR=8%,RRI=1%,ER=1%,

116
Têm-se, a seguir, os gráficos de volume e tensão por número de iterações. Estes
gráficos ilustram o comportamento destas variáveis durante o processo de otimização
usando o algoritmo SESO.
2.00
(VOLUME ATUAL)/(VOLUME INICIAL)
1.75
1.50
1.25
1.00
0.75
0.50
0.25
0.00
0 20 40 60 80 100 120 140 160
Figura 5.6.5 – Evolução do Volume por número de iterações

usando o método SESO
560
480
400
320
240
160
80
0 25 50 75 100 125
Figura 5.6.6 – Evolução da tensão por número de iterações

usando o método SESO
5.6.2 – Viga em Balanço
Neste modelo, tem-se a geometria, as condições de contorno e as ações do

problema, conforme ilustrado na figura 5.6.7. A estrutura foi discretizada usando uma
117
malha refinada de (160x60) totalizando 19200 elementos. Este exemplo foi proposto
por Abdalla (2004) com um procedimento de otimização baseado em “células
automatas” (CA), cujo processo iterativo demanda 908 segundos, aproximadamente,
quinze minutos.
10
F=100KN
40
Figura 5.6.7 – Viga em balanço
A espessura considerada para chapa foi de 1 0 mm . O processo evolucionário

começou com uma razão de rejeição (RR) igual 1% e uma razão evolucionária de
1,25%. Utilizou-se um material com propriedades do aço, coeficiente de Poisson
ν = 0,33 e módulo de Young E = 210 GPa . O volume desejado igual a 43% do volume
inicial, o volume retirado por iteração foi de 5%.
A configuração ótima obtida por Abdalla (2004) está ilustrada na figura 5.6.8 e
será usada para comparar o resultado com o obtido pelo algoritmo de otimização
evolucionária SESO.
Figura 5.6.8 – Viga em balanço

Abdalla (2004)
118
Este exemplo foi resolvido utilizando a técnica SESO e a estrutura evoluiu para
a seguinte forma otimizada, veja figuras 5.6.9 a 5.6.11, cujo processo iterativo
demandou 1190 segundos, aproximadamente, vinte minutos.
Figura 5.6.9 - RR=2,5%, RRI=1%,ER=1,25%,

Figura 5.6.10 - RR=3,75%, RRI=1%,ER=1,25%,

Figura 5.6.11 - RR=6,25%, RRI=1%,ER=1,25%,

Têm-se, a seguir, os gráficos de volume e tensão por número de iterações. Estes

gráficos ilustram o comportamento destas variáveis durante o processo de otimização
usando o algoritmo SESO.
119
4.0
(VOLUME ATUAL)/(VOLUME INICIAL)

3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
0 20 40 60 80 100
Figura 5.6.12 – Evolução do Volume durante o

processo evolucionário - SESO
1180
1160
1140
1120
1100
1080
1060
1040
1020
1000
980
960
0 20 40 60 80 100 120
Figura 5.6.13 – Evolução da Tensão de Von Mises

durante o processo evolucionário - SESO
5.6.3 – Estrutura de Ponte
Neste modelo, tem-se a geometria, as condições de contorno e as ações do

problema, conforme ilustrado na figura 5.6.14. A estrutura foi discretizada usando uma
malha refinada de (128x40) totalizando 10240 elementos finitos triangulares. Este
120
exemplo foi proposto por Querin (1997), usando o Método ESO de otimização com o
critério de tensão máxima de Von Mises, baseado em Performance Index.
Figura 5.6.14 – Domínio de projeto inicial com

suporte fixo
A espessura considerada para a estrutura de ponte foi de 500 mm Querin (1997).

O processo evolucionário começou com uma razão de rejeição (RR) igual 1% e uma
razão evolucionária de 1,25%. Utilizou-se um material com propriedades do aço,
coeficiente de Poisson igual ν = 0,30 , módulo de Young E = 210 GPa . O volume
desejado igual a 35% do volume inicial, o volume retirado por iteração foi de 5%.
A estrutura de ponte considerando o suporte rígido evoluiu para a seguinte
configuração ótima, veja figuras 5.6.15 a 5.6.17.
Figura 5.6.15 - RR=3,75%,RRI=1, ER=1,25%,

121
Figura 5.6.16 - RR=6,25%, RRI=1%,ER=1,25%,
Figura 5.6.17 - RR=12,5%, RRI=1%,ER=1,25%,

Iteração163 - malha (128x40). – SESO
Na figura 5.6.18, tem-se a configuração ótima proposta por Querin (1997)

usando MSESO (Moving Support Evolutionary Structural Optimisation Method). Esta
técnica de otimização tem um procedimento semelhante ao convencional ESO na
medida em que tenta minimizar o Índice de Performance. Portanto não podemos
comparar na íntegra a forma ótima proposta por Querin (1997), pois usa um método
diferente do implementado neste trabalho.
Figura 5.6.18 – Estrutura de ponte

Querin (1997)
122
Nota-se que, a topologia usando o algoritmo SESO, figura 5.6.17, é,
relativamente, mais simples do que a topologia apresentada por Querin, figura 5.6.18.
Percebe-se, ainda, a existência de uma tendência de aparecimento de linhas de
transmissão de esforços mais finas na configuração ótima apresentada por Querin. No
entanto, ressalta-se que os resultados apresentados buscam uma comparação entre a
técnica SESO e o MSESO e não de resolver este problema, especificamente.
Constata-se, também, a existência de quatro pilares nos dois métodos.
A seguir, têm-se as topologias sem o suporte rígido, acompanhadas de um
conjunto de quatro gráficos de convergência que registram a evolução do processo de
otimização. Os gráficos correspondem a volume, índice de desempenho, tensão máxima
de Von Mises e razão de rejeição (RR), todos em relação ao número de iterações.
Observa-se que a configuração ótima com o algoritmo SESO, ilustrada na figura
5.6.21, não possui quatro pilares, isto se deve às condições de contorno que foram
alteradas devido ao suporte móvel proposto por Querin (1997).
Fig.5.6.19 - RR=3,75%, RRI=1%, ER=1,25%,

Iteração 50 - malha (128x40).- SESO
Fig.5.6.20 - RR=6,25%,RRI=1%, ER=1,25%,

Iteração 80 - malha (128x40).- SESO
123
Fig.5.6.21 - RR=13,75%,RRI=1%, ER=1,25%,
Iteração169 - malha (128x40).- SESO
850
800
750
700
650
600
0 20 40 60 80 100 120 140 160 180
Figura 5.6.22 – Evolução da tensão de Von Mises durante o

processo evolucionário usando a técnica SESO
28000
26000
VOLUME ATUAL/VOLUME INICIAL
24000
22000
20000
18000
16000
14000
12000
60 80 100 120 140 160 180
Figura 5.6.23 – Evolução do volume durante o processo

evolucionário usando a técnica SESO
124
0.16
0.14
0.12

0.10
0.08
0.06
0.04
0.02
0.00
0 20 40 60 80 100 120 140 160 180
Figura 5.6.24 – Evolução da razão de rejeição (RR) durante o

3.0
2.8
2.6
2.4
ÍNDICE DE PERFORMANCE
2.2
2.0
1.8
1.6
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
0 20 40 60 80 100 120 140 160 180
Figura 5.6.25 – Evolução do índice de performance durante o

5.6.4 – Estrutura bidimensional de uma bicicleta
A estrutura bidimensional de uma bike, proposta por Lin e Hsu (2008), cujo
domínio de projeto, condições de contorno e topologia podem ser observados na figura
5.6.26.
125
Figura 5.6.26 – Domínio inicial de projeto e
condições de contorno da bike
Lin e Hsu (2008)
Neste modelo, a otimização é realizada com um algoritmo adaptativo com

restrição de volume (AVC), cuja obtenção da topologia da estrutura é capaz de
satisfazer, simultaneamente, as restrições de tensão e deslocamento. O algoritmo é
desenvolvido, usando o método da Homogeneização, com minimização da
“compliance” e volume fixo restringido.
A estrutura bidimensional de uma “bike” foi analisada usando a técnica SESO
com critério de tensão máxima de Von Mises. A geometria, condições de contorno e
ações do problema podem ser observadas na figura 5.6.26. O processo evolucionário
começou com uma razão de rejeição (RR) igual 1% e uma razão evolucionária de
1,25%. As propriedades do material utilizado são coeficiente de Poisson ν = 0,30 ,
módulo de Young E = 1MPa e volume desejado igual a 15% do volume inicial, o
volume retirado por iteração foi de 25%. O volume retirado em cada iteração foi
dividido em 10 grupos sendo 80% removido da estrutura e 20% devolvido.
A seguir, têm-se as topologias obtidas com o algoritmo SESO, mostrando que a
convergência ocorre na iteração 278 com custo computacional de 854 segundos.
126
Figura 5.6.27 - RR=3,75%,RRI=1%,ER=1,25%,
Figura 5.6.28 - RR=12,5%, RRI=1%,ER=1,25%,

Figura 5.6.29 - RR=23,75%,RRI=1%,ER=1,25%,

127
5.6.5 – Modelo de Strut-and-Tie - Formato T

5.6.30, a espessura considerada para esta estrutura é de 1,5.10 −3 mm as demais
dimensões estão expressas em milímetros. O processo evolucionário começou com uma
razão de rejeição (RR) igual 1% e uma razão evolucionária de 0,5% no ESO, enquanto
no SESO a razão evolucionária usada foi de 1,5%. As propriedades do material
isotrópico utilizado são coeficiente de Poisson ν = 0,15 e módulo de Young
E = 286 GPa . O volume desejado igual a 38% do volume inicial, volume retirado por
iteração igual a 1,75% no algoritmo ESO e 5% no algoritmo SESO. O domínio foi
discretizado numa malha refinada de (179x60) com 12040 elementos finitos
triangulares.
Figura 5.6.30 – Modelo de Strut-and-Tie

Liang et al. (2002)
Este exemplo foi proposto por Liang (2002), onde a otimização é realizada via
minimização da energia de deformação. Tem-se na figura 5.6.31 a evolução da estrutura
e a sua configuração ótima.
128
Topologias proposta por
Liang et al. (2002)
Aplicando o algoritmo ESO, implementado neste trabalho, obteve-se a evolução

da estrutura para a seguinte forma otimizada, veja figuras 5.6.32 a 5.6.34.
Figura 5.6.32 – RR=4,5%,RRI=1%,ER=0,5%,

129
Figura 5.6.33 – RR=8,5%,RRI=1%,ER=0,5%,
Figura 5.6.34 – RR=14,5%, RRI=1%,ER=0,5%,

VRI=1,75%12040 elementos triangulares,
No processo evolucionário, usando a técnica SESO, foram alteradas as seguintes

variáveis de projeto: razão evolucionária, os limites de atuação do nibbling e o volume
retirado por iteração. Como já era previsto, com o aumento no volume retirado por
iteração e o aumento da razão de evolução o algoritmo SESO tem menor custo
computacional.
Na configuração ótima proposta por Liang, verifica-se uma diferença no
“alicerce” da estrutura, isto é, os elementos situados na base da estrutura são removidos
apesar da configuração inicial, ver figura 5.6.30, ilustrar uma base engastada. Nos
algoritmos ESO e SESO, implementados neste trabalho, existe uma restrição nas
condições de contorno que não permite a remoção destes elementos, veja figuras 5.6.34
e 5.6.37.
Nas análises numéricas realizadas, verifica-se que a calibragem das variáveis de
projeto usando o método ESO são mais sensíveis do que na técnica SESO. Por isso, no
130
processo evolucionário ESO é muito importante que a razão de evolução (ER), seja um
valor entre 0% < ER ≤ 1% , devido à heurística do método, este parâmetro é um
controlador, pois evita que o raio de rejeição (RR) evolua de forma rápida o que pode
provocar uma instabilidade à estrutura, isto é, removendo uma grande quantidade de
material (elementos) capaz de provocar um mau condicionamento no sistema.
Usando o algoritmo SESO a estrutura evoluiu para a seguinte forma otimizada,
veja figuras 5.6.35 a 5.6.37.
Figura 5.6.35 – RR=9,0%,RRI=1%,ER=1,5%,

Figura 5.6.36 – RR=12,0%, RRI=1%,ER=1,5%,

131
Figura 5.6.37 – RR=19,5%, RRI=1%,ER=1,5%,
5.6.6 – Modelo de Strut-and-Tie - Console

5.6.38, a espessura considerada para esta estrutura é de 1,5.10 −3 mm as demais
dimensões estão expressas em milímetros. O processo evolucionário começou com uma
razão de rejeição (RR) igual 1% e uma razão evolucionária de 0,5%. As propriedades do
material isotrópico utilizado são coeficiente de Poisson ν = 0,15 e módulo de Young
E = 286 GPa . O volume desejado igual a 40% do volume inicial, volume retirado por
iteração igual a 1,75% no algoritmo ESO e 5% no algoritmo SESO. O domínio foi
discretizado numa malha refinada de (88x216) com 22656 elementos finitos
triangulares.
132
Liang et al. (2000)
Este exemplo foi proposto por Liang et al. (2000), usando um procedimento
evolucionário com critério de parada em PI (índice de performance) da estrutura para
“strut-and-tie molds”. A figura 5.6.39 apresenta uma seqüência do processo
evolucionário e a configuração ótima proposta pelos autores.
133
Liang et al. (2000)
As figuras a seguir ilustram o processo evolucionário e configuração ótima da
estrutura com uso do algoritmo ESO.
Figura 5.6.40 – RR=2,5%,RRI=1%,ER=0,5%,

134
Figura 5.6.41 – RR=3,0%,RRI=1%,ER=0,5%,
Figura 5.6.42 – RR=4,5%,RRI=1%,ER=0,5%,

No processo evolucionário usando a técnica SESO alterou-se apenas os limites

de atuação do nibbling. Assim, como já era previsto, mantendo o volume de retirada por
iteração igual ao usado no ESO a estrutura otimizada usando a técnica SESO convergiu
com uma velocidade menor que a técnica ESO, uma vez que, esta remove de uma só
vez todos os elementos que atendem o critério ESO, usando um procedimento “hard-
kill”, a técnica SESO devolve a estrutura (1-p%) dos p% elementos retirados na iteração
(i) que contribuirão como uma “escora” na iteração (i + 1) , usando um procedimento
“soft-kill”, isto provavelmente mantém o fluxo de tensão mais suavizado e o sistema
melhor condicionado. Assim a estrutura evoluiu para da seguinte forma, veja figuras
5.6.43 a 5.6.45.
135
Figura 5.6.43 – RR=3%, RRI=1%,ER=0,5%,
Figura 5.6.44 – RR=4%,RRI=1%,ER=0,5%,

Figura 5.6.45 – RR=6,5%,RRI=1%,ER=0,5%,

136
5.6.7 – Viga de Formato L
A geometria, condições de contorno, as ações do problema estão ilustradas na

figura 5.6.46, a espessura considerada para esta estrutura é de 1,0 mm . O processo
evolucionário começou com uma razão de rejeição (RR) igual 1% e uma razão
evolucionária de 0,5%. As propriedades do material isotrópico utilizado são coeficiente
de Poisson ν = 0,30 e módulo de Young E = 215 GPa . O volume desejado igual a 40%
do volume inicial, volume retirado por iteração igual a 1,75% no algoritmo ESO e 5%
no algoritmo SESO. O domínio foi discretizado numa malha refinada de (80x40) com
6400 elementos finitos triangulares.
Este exemplo foi proposto por Arantes (2003), onde a otimização topológica é
realizada com refino H-adaptativos. Tem-se na figura 5.6.46 a evolução da estrutura e a
sua configuração ótima.
Figura 5.6.46 – Viga de formato L – Microestrutura SIMP

Arantes (2003)
137
A evolução ótima dessa estrutura utilizando o algoritmo ESO implementado,
neste trabalho, será apresentada a seguir:
Figura 5.6.47 – RR=6%,RRI=1%,ER=0,5%,

Figura 5.6.48 – RR=6%,RRI=1%,ER=0,5%,

Figura 5.6.49 – RR=6%,RRI=1%,ER=0,5%,

138
No processo evolucionário usando a técnica SESO foram alteradas as seguintes
variáveis de projeto: razão evolucionária igual 1%, os limites de atuação do nibbling e o
volume retirado por iteração. Neste exemplo mesmo estas variáveis sendo alteradas o
algoritmo SESO teve um custo computacional mais caro. Isto se deve ao fato de que
essa geometria, em especial, introduz uma dificuldade no ponto de vista da otimização,
pois o “canto vivo” é um concentrador de tensões, que apesar de dificultar a captação
numérica do valor das tensões, exige uma malha mais refinada para captar corretamente
o comportamento das tensões próximo ao “canto vivo”. Por isso, optou-se por utilizar
uma malha mais refinada mostrando que a formulação utilizada funciona, obtendo
resultados semelhantes aos da literatura pesquisada ver figura 5.6.46. Assim, a
geometria de formato L evoluiu para a seguinte forma otimizada, veja figuras 5.6.50 a
5.6.52.
.
Figura 5.6.50 – RR=9%,RRI=1%,ER=1%,
Figura 5.6.51 – RR=14%,RRI=1%,ER=0,5%,

139
Figura 5.6.52 – RR=23%,RRI=1%,ER=1%,
Tem-se a seguir três figuras que mostram o fluxo de tensão dos algoritmos ESO
e SESO para este problema de OT.
Figura 5.6.53 – Fluxo de tensões usando

o algoritmo ESO
Figura 5.6.54 - Fluxo de tensões usando o

algoritmo SESO
140
Capítulo 6
Conclusões e Sugestões
6.1 – Introdução
Este trabalho basicamente possui dois objetivos principais: o primeiro consiste

em desenvolver um programa que resolve o problema da minimização do volume de
estruturas contínuas submetidas a restrições de tensão máxima da estrutura, criando para
tal um algoritmo computacional. O outro objetivo consiste na apresentação de
resultados que comprovassem a validade do método desenvolvido. Ambos os objetivos
foram cumpridos.
Qualquer método de solução escolhido, seja o trabalho numérico ou
experimental, naturalmente possuirá prós e contras. No caso específico deste trabalho,
foi desenvolvido um programa em FORTRAN que calcula as variáveis de projeto que
representam um projeto ótimo. Para tal, as estruturas usadas como exemplo são
discretizadas utilizando uma malha de elementos finitos triangulares. A partir do valor
dos deslocamentos nodais, a resposta estrutural desse sistema em termos de tensão é
calculada.
Em todos os problemas analisados obteve-se resultados satisfatórios quando
comparados com problemas similares encontrados na literatura. O principal objetivo do
trabalho foi cumprido, ou seja, a partir de uma estimativa inicial para as variáveis de
projeto, obteve-se estruturas com um menor gasto na quantidade de material. O
algoritmo desenvolvido distribuiu esse material da maneira mais eficiente possível com
o intuito de respeitar as restrições de projeto impostas, neste caso.
6.2 – Conclusões
O procedimento proposto neste trabalho para otimização topológica de estruturas

bidimensionais usando o método ESO e a técnica SESO mostrou-se eficiente e apto a
141
capturar o comportamento evolucionário e a determinar a forma ótima sobre critério de
tensão máxima da estrutura com restrições de volume. Assim sendo, dentre as principais
conclusões obtidas, destacam-se:
• A otimização topológica em tensão máxima mostrou-se capaz de ser aplicada

em problemas reais de engenharia. No entanto, é importante observar a discretização
da malha para ficar atento ao tamanho e forma do elemento finito, pois quanto mais
uniforme for o elemento mais suavidade na forma e na topologia poderá ser
alcançada.
• Na otimização topológica via ESO para melhor calibração dos parâmetros RR e

ER devem-se realizar testes numéricos preliminares, pois elevados valores de RR e
ER provocam singularidade à estrutura. Esta calibração não é complexa na técnica
SESO quanto notado em alguns exemplos usando o método ESO.
• Tanto no ESO quanto no SESO quanto mais discretizada for a malha mais
membros podem aparecer na sua configuração ótima, mostrando que em alguns
exemplos existe uma grande dependência da malha de elementos finitos, entretanto
a técnica SESO é menos sensível a esta discretização.
• A técnica SESO apresenta um custo computacional mais baixo que o ESO. Isto se
deve ao fato de que a suavização no campo das tensões permite uma retirada maior
de elementos do que na técnica ESO. Assim mesmo exigindo mais passos de RR
devido a sua heurística de remoção de elementos a técnica SESO mostrou-se mais
eficiente computacionalmente.
• Os problemas de instabilidade numérica “checkerboard” (tabuleiro de xadrez) e da

dependência da malha, foram resolvidos com implementação de um filtro de
densidade de tensão, entretanto o parâmetro de controle deste filtro é o raio de
abrangência que não deve ser muito pequeno, pois corre-se o risco de voltar ao
problema do tabuleiro e não deve ser muito grande, já que extrapolaria o domínio de
projeto e o algoritmo não consegue buscar uma solução ótima. O ESO mesmo com
142
o filtro em alguns exemplos apresentou o tabuleiro e o SESO não apresentou em
nenhum exemplo o tabuleiro.
6.3 – Sugestões
Embora a otimização topológica de estruturas bidimensionais com critério de

tensão máxima da estrutura usando ESO, ou em especial o SESO, nossa grande
contribuição, seja uma importante ferramenta para a otimização de estruturas
bidimensionais, muitas questões ainda permanecem em aberto. Portanto, ficam as
seguintes sugestões para trabalhos futuros:
• Incorporar no processo de otimização topológica dos métodos apresentados neste

trabalho um método de otimização clássico como o BGMMA (Gradient Based
Method of Moving Asymptotes).
• Estudar o comportamento de uma Otimização Evolucionária Multiobjetiva onde a

remoção dos elementos atenda a mais de um critério de projeto simultaneamente.
• Incorporar no processo de otimizaçao topológica SESO critérios de rigidez,

freqüência e temperatura.
• Desenvolver um algoritmo de modo que nos pontos de singularidade o ER (razão

de evolução) decresça automaticamente isto pode permitir que o algoritmo contorne
o problema e evolua para a forma ótima desejada.
• Desenvolver um critério formal como critério de parada para garantir que o ótimo
realmente seja atingido.
• Incorporar no algoritmo desenvolvido um critério de restrição para uma região no

domínio projeto.
143
• Aplicar o SESO para a resolução de estruturas tridimensionais, considerando
fenômenos elastoplásticos.
• Desenvolver um critério de parada consistente para o SESO e realizar testes para

casos bi e tridimensionais.
• Testar outro tipo de elemento finito de chapa.
• Testar a otimização em regime não linear.
144
Referências Bibliográficas
Abdalla, M. M. (2004). Applications of the Cellular Automata Paradigm in Structural

Analysis and Design, Dissertation Doctor, Faculty of Engineering, Cairo University,
Egypte.
Almeida, V. S. ; Paiva, João Batista de . A mixed BEM-FEM formulation for layered
soil-superstructure interaction. Cadernos de Engenharia de Estruturas, v. 9, p. 63-82,
2007.
Arantes, C. J. (2003). Otimização Topológica com Refinos H-adaptativos, Dissertação
de Doutorado, UFSC, Brasil.
Bahia, M. T. (2005). “Otimização Topológica Aplicada ao Projeto de Mecanismos
Flexíveis”, Dissertação de Mestrado, Universidade Federal de Santa Catarina,
Brasil.
Bathe, K.J. (1996). Finite element procedures. New Jersey, Prentice-Hall.
Bathe, K.J. (1982). Finite element procedures in engineering analysis. Englewood
Cliffs, Prentice-Hall.
Batoz, J.L. (1980). A study of three–node triangular plate bending elements.
International Journal for Numerical Methods in Engineering, v. 15, p. 1771-1812.
Bendsøe, M.P. and Kikuchi, N. (1988). “Generating optimal topologies in structural
design using a homogenization method”, Computer Methods in Applied Mechanics
and Engineering, Vol. 71, pp. 197-224.
Bendsøe, M.P. e Sigmund, O. (2002). Topology Optimization, Springer, Berlin.
Bendsøe, M.P. e Sigmund, O. (2003). Topology optimization: theory, methods and
applications.Berlin, Springer-Verlag, ISBN 3-540-42992-1.
Bendsøe, M.P. e Sigmund, O. (2004). Topology optimization: theory, methods and
applications.Berlin, Springer, p. 370.
Bendsøe, M.P., (1989). Optimal Shape design as a material distribution problem,
Structural Optimization, v. 1, pp. 193-202.
Bergan, P.G. e Felippa, C.A. (1985). A triangular membrane element with rotational
degrees of freedom. Comp. Meths. in Appl. Mech. Eng., v.50, p.25-69.
Bourdin, B. (2001). Filters in topology optimization, International Journal for
Numerical Methods In Engineering, v. 50, n. 9, pp. 3143-2158.
145
Bruyneel, M. e Duysinx, P. (2004) Note on topology optimization of continuum
structures including self-weight. Structural Optimization.
Canfield, S. e Frecker, M.(2000). Topology Optimization of Compliant Mechanical
Amplifiers for Piezoelectric Actuators, Struct Multidisc Optim, p.269-279.
Cardoso, E. L. e Fonseca, J. S. O. (1999). “Intermediate Density Reduction and
Complexity Control in the Topology Optimization”, 20th Iberian Latin-American
Congress on Computational Methods in Engineering (CILAMCE 99), Brasil.
Cardoso, E. L. e Fonseca, J.S.O. (2003) Complexity controls in the topology
optimization of continuum structure. Journal of the Brazilian Society of Mechanical
Sciences and Engineering, Vol. 25(3), 293-301, 2003.
Cardoso, E.L. (2000). Controle de Complexidade na Otimização Topológica de
Estruturas Contínuas, Dissertação de Mestrado, Universidade Federal do Rio
Grande do Sul.
Chen, B. C. e Kikuchi, N. (2001).Topology optimization with design-dependent loads.
Finite Elements in Analysis and Design, v.37, pp.57-70.
Cheng, G. e Guo, X. (1997) Epsilon-relaxed approach in structural topology
optimization, Structural Optimization, v. 13, n. 4, pp. 258-266.
Cheng, G. e Jiang, Z. (1992). Study on topology optimization with stress constraints,
Engineering Optimization, v. 20, pp. 129-148.
Cheng, K. T. e Olhoff, N. (1981). “An investigation concerning optimal design of solid
elastic plates”, International Journal of Solids Structures, v.17, pp. 305-323.
Cheng, T.K. e Olhoff, N. (1982). Regularized Formulation for Optimal Design of
Axisymmetric Plates”, International Journal of Solids Structures, 18-2, pp. 153-169.
Cho, S. e Choi, J. (2005). Efficient Topology Optimization of Thermo-Elasticity
Problems Using Coupled Field Adjoint Sensitivity Analysis Method, Finite Element
in Analysis and Design.
Christie, W. C. , Bettess, P. e Bull, J. W. (1998). Self-Designing Structures: A
Practical Approach, Engineering Computations, v. 15, n. 1, p. 35-48.
Chu, D.N., Xie, Y.M., Hira, A. and Steven, G.P. (1996). “Evolutionary structural
optimization for problems with stiffness constraints”, Finite Elements in Analysis
and Design, Vol. 21, pp. 239-251.
146
Coutinho, K. D. (2006). Método de Otimização Topológica em Estruturas
Tridimensionais, Dissertação de Mestrado, Universidade Federal do Rio Grande do
Norte, Natal, Rio Grande do Norte.
Cox, H.L. (1958). The Theory of Design, Aeronaut. Res. Council Rep. No. 19791.
Díaz, A. e Sigmund, O. (1995). “Checkerboard Patterns in Layout Optimization”,

Structural Optimization, v. 10, pp. 40-45.
Eschenauer, H. A., Olhoff, N. (2001) Topology optimization of continuum structures.
Aplied Mechanic Review, v.54, n.4, pp 331-390.
Fancello, E.A. (1993). Análise de sensibilidade, geração adaptativa de malhas e o
Método dos Elementos Finitos na otimização de forma em problemas de contato e
mecânica da fratura. Tese de Doutorado, COPPE-UFRJ, Rio de Janeiro, Brasil.
Garreau, S., Guillaume, P. , Masmoudi, M. (2001). The topological asymptotic for PDE
systems: The elasticity case. SIAM Journal on Control and Optimization, v. 39, p.
1756–1778.
Goodman, J., Kohn, R.V. e Reyna, L. (1986). “Numerical Study of Relaxed Variational
Problem from Optimal Design”, Computer Methods in Applied Mechanics an
Engineering, 57, pp. 107-127.
Guzmán, M.A., Delgado, A. e De Carvalho, J. (2008). Topology Optimization With
Algorithm Base don Bacterial Chemotaxis, 5th. European Congress on
Computational Methods in Applied Sciences and Engineering (ECCOMAS).
Haber,R.B., Jog, C.S. e Bendsøe, M.P. (1996). A new approach to variable topology
shape design using a constraint on perimeter, Structural Optimization, v.11, n. 1, pp.
1-12.
Haftka, R.T. e Gandhi, R.V. (1986). “Structural Shape Optimization – A survey”,
Computer Methods in Applied Mechanics and Engineering, v. 57, pp. 91-106
Haug, E.J, Choi, K.K. e Komkov, V. (1986). Design sensitivity analisys of structural
systems. Academic Press, Orlando, FL, U.S.A..
Hemp, W. S. (1973). Optimum Structures, Oxford: Claredon , p. 123.
Hinton, E. and Sienz, J. (1995). “Fully stressed topological design of structures using an
Evolutionary Procedure. Engineering Computations, v. 12, p. 229-44.
147
Jog, C.S. e Haber, R.B. (1996). Stability of finite element models for distributed
parameter optimization and topology design, Computer Methods in Applied
Mechanics and Engineering, v. 130, n. 3-4, pp. 203-226.
Kim, H., Querin, O.M., Steven, G.P, e Xie, Y.M. (2002). Determination of an Optimal
Topology with a Predefined Number of Cavities, AIAA Journal, Vol. 40, n. 4, pp.
739-744.
Kikuchi, N., Cheng, H. C. e Ma, Z. D. (1995). Optimal shape and topology design of
vibrating structures, Advances in Structural Optimization, Netherlands: Kluwer
Academic Publishers, p. 189-222.
Kirsch, U. (1990). On the relationship between optimum structural topologies and
geometries. Struct. Optim., v. 2, p. 39–45.
Kohn, R.V. e Strang, G. (1986a) Optimal-design and relaxation of variational
problems.1. Communications on Pure and Applied Mathematics, v.39, n.1,pp.112-
137.
Kohn, R.V. e Strang, G. (1986b) Optimal-design and relaxation of variational
182.
Kohn, R.V. e Strang, G. (1986c) Optimal-design and relaxation of variational
377.
Labanowski, A. J. e Fancello, E. A e Novotny, A.A. (2004). Simp, Eso e Tsa: Uma
Análise Comparativa de Métodos de Otimizaçao Topológica para Elasticidade 2D,
CILAMCE.
Labanowski, A.J. (2004) Análise comparativa de métodos de otimização topológica em
elasticidade 2D e 3D, Dissertação de Mestrado, GRANTE-UFSC, Florianópolis,
Brasil.
Lee, D.T. e Schachter, B.J. (1980) Two Algorithms for Constructing the Delaunay
Triangulation Int. J. Comput. Inf. Sci.
Li Q., Steven G. P., Querin O. M., Xie Y. M. (1999). Shape and topology design for
heat conduction by evolutionary structural optimization. Int. J. Heat Mass
Transfer, v. 42, 3361-71.
148
Liang, Q.Q. (2005). Performance-based Optimization of Structures: Theory and
applications, Spon Press, London.
Liang, Q.Q. (2007) Automated performance-based optimal design of continuum
structures under multiple load cases, 5th Australasian Congress on Applied
Mechanics, Austrália.
Liang, Q.Q. e Steven, G.P. (2002) Performance-Based Optimization for Strut-Tie
modeling of Structural Concrete, Journal of Structural Engineering, v.128, n. 6, pp.
815-823.
Liang, Q.Q., Xie, Y.M. and Steven, G.P. (2000). “Topology optimization of strut-and-
tie models in reinforced concrete structures using an evolutionary procedure”, ACI
Structural Journal, Vol. 97, No. 2, pp. 322-330.
Lima, C. R. (2002). Projeto de Mecanismos Flexíveis usando o Método de Otimização
Topológica, Dissertação de Mestrado, Escola Politécnica da Universidade de São
Paulo, São Paulo.
Lin, C-Y e Hsu, F-M. (2008). An Efficient Algorithm to obtain the optimal topology of
industrial structural design problems, Journal of the Chinese institute of Engineers,
vol. 31, n.1, pp. 17-30.
Lurie, K. A., Federov, A.V. e Cherkaev, A.V. (1982). “Regularization of Optimal
Design Problems for Bar and Plates, Parts I e II”,Journal of optimizations and
Theory and Applications, 37-4, pp. 499-521,523-543.
Manickarajah, D., Xie, Y. M. e Steven, G.P. (1998). Na evolutionary method for
optimization of plate buckling resistance, Finite Elements in Analysis and Design, v.
29, pp. 205-230.
Marczak, R. J. (2006). Optimal Topology Identification of 2D Elastic Structures with
the Boundary Element Method, Mecánica Computacional, Argentina, vol xxv,
pp.2769-2784
Matsui, K. e Terada, K. (2004). Continuous approximation of material distribution for
topology optimization. International Journal for Numerical Methods in Engineering,
v. 59, n. 14, pp. 1925-1944.
Nocedal, J. and Wright, S. J. (1960). Numerical Optimization, Springer -Verlag, New
York, 1960,651.p
149
Novotny, A.A. (2003). Análise de sensibilidade topológica. Tese de Doutorado,
LNCC/MCT, Petrópolis, Brasil.
Novotny, A.A., Feijóo, R.A. e Taroco, E. (2003). Análise de sensibilidade contínua.
LNCC/MCT, Petrópolis, Brasil.
Oden, J.T., Kikuchi, N. e Song, Y.J. (1982). “On CAD-integrated Structural Topology
and Design Optimization”, Computer Methods in Applied Mechanics and
Engineering, v. 89, pp. 259-279.
Olhoff, N., Bendsøe, M.P. e Rasmussen, J. (1991). On cad-integrated structural
topology and design optimization, Computer Methods in Applied Mechanics and
Engineering, v. 89, n. 1-3, pp. 259-279.
Pereira, C.E.L. (2006), Análise de Sensibilidade Topológica em Problemas de Não-
Linearidade Geométrica e Hiperelasticidade Não-Linear Quase-Incompressível,
Tese de Doutorado, Universidade Estadual de Campinas, Campinas, São Paulo.
Porto, E. D. e Pavanello, R. (2007). Influencia dos Parâmetros de Homogeneização
sobre a solução estrutural topológica ótima, VIII Congresso Ibero Americano de
Engenharia Mecânica, Peru.
Porto, E.C.B. (2006). Método da homogeneização aplicado à otimização estrutural
topológica, Dissertação de Mestrado, Universidade Estadual de Campinas -
Faculdade de Engenharia Mecânica, Campinas, São Paulo.
Pousen, T. A. (2002). A simple scheme to prevent checkerboard patterns and one-node
connected in topology optimization, Structural and Multidisciplinary Optimization,
v. 24, n. 5, pp.396-399.
Prager, W. (1974). A note on discretized michell structures. Comput. Meth. Appl.
Mech., v. 3,p. 349–355.
Proos, K.B.E. (2002). Evolutionary Structural Optimization as a Robust and Reliable
Design Tool. School of Aeronautical, Mechatronic and Mechanical Engineering.
The University of Sydney, Australia.
Querin, O. M., Steven, G.P. e Xie, Y.M. (2000a) Evolutionary Structural Optimization
using Additive Algorithm, Finite Element Analysis and Design, v. 34, p. 291-308.
Querin, O. M., Young, V., Steven, G.P. e Xie, Y.M. (2001b). Computational Efficiency
and Validation of Bi-Directional Evolutionary Structural Optimization, Comput.
Meth. Appl. Mech. Engng., v.189, p. 559-73.
150
Querin, O.M. (1997). Evolutionary Structural Optimization stress based formulation and
implementation. PhD dissertation, University of Sydney.
Reynolds D., McConnachie J., Bettess P., Christie W. C, Bull J. W. (1999). Reverse
adaptivity – a new evolutionary tool for structural optimization, Int. J. Numer.
Meth.Engrg., v. 45(5), p. 529-52.
Rong, J.H., Xie, Y.M., Yang, X.Y. and Liang, Q.Q. (2000). “Topology optimization of
structures under dynamic response constraints”, Journal of Sound and Vibration,
Vol. 234, No. 2, pp.177-189.
Rozvany, G.I.N., Bendsøe, M.P., Kirsch, U. (1995) Layout optimization of structures,
Applied Mechanics Review, v. 48, pp. 41-119.
Rozvany, G.I.N., Olhoff, N., Cheng, K. e Taylor, J.E. (1982). “On the Solid Plate
Paradox in Structural Optimization”, Journal of Structural Mechanics, 10-1, pp. 1-
32.
Rozvany, G.I.N., Zhou, M. e Birker, T. (1992). “Generalized shape optimization
without homogenization”, Structural Optimization, Vol. 4, pp. 250-252.
Sant’Anna, H. M. (2002) Otimização Topológica de Estruturas Bidimensionais
Contínuas Submetidas a Restrições de Flexibilidade e Tensão, Dissertação de
Mestrado, UFRS, Porto Alegre.
Sienz, J. and Hinton, E. (1997). “Reliable structural optimization with error estimation
adaptivity and robust sensitivity analysis”, Computers and Structures, Vol. 64, No.
1-4, pp. 31-63.
Sigmund, O. e Petersson , J. (1998). Numerical instabilities in topology optimization: a
survey on procedures dealing with checkerboards, mesh dependencies and local
minima, Structural Optimization, v. 16, p. 68-75, 1998.
Sigmund, O. (1994), “Design of Material Structures Using Topology Optimization”,
PhD thesis, Department of Solid Mechanics, Technical University of Denmark.
Sigmund, O. (1997). “On the Design of Compliant Mechanisms Using Topology
Optmization”, Mechanics of Structures and Machines, v. 25, n.4, pp. 495-526.
Silva, E.C.N. (2001). Técnicas de Otimização Aplicadas no Projeto de Peças
Mecânicas, Apostila, Departamento de Engenharia Mecatrôncia e de Sistemas
Mecânicos, Escola Politécnica da USP, São Paulo, Brasil.
151
Silva, J.A B. (2001). Investigação de um método evolucionário de otimização estrutural,
Dissertação de Mestrado, Unicamp,. Campinas, Brasil.
Sonmez, F.O. (2008). Structural Optimization Using Simulated Annealing,
Departamento of Mechinical Engineering,Bogazici University, Turkey, pp. 282-306.
Stolpe, M. e Svanberg, K. (2001). On the trajectories of penalization methods for
topology optimization, Structural and Multidisciplinary Optimization, v. 21, n. 2,
pp. 128-139.
Stump, F.V. (2006). Otimização Topológica Aplicada ao Projeto de Estruturas
Tradicionais e Estruturas com Gradação Funcional sujeitas a Restrição de Tensão,
Dissertação de Mestrado, Escola Politécnica da USP, São Paulo, Brasil.
Swan, C.C. e Kosaka, I. (1997a). Voigt-reuss topology optimization for structures with
linear elastic material behaviors. International Journal for Numerical Methods in
Engineering, v. 40, n. 20, pp. 3785-3814.
Swan, C.C. e Kosaka, I. (1997b). Voigt-reuss topology optimization for structures with
linear elastic material behaviors. International Journal for Numerical Methods in
Engineering, v. 40, n. 16, pp. 3033-3057.
Tang, P.S. , Chang, K.H. (2001). Integration of topology and shape optimization for
design of structural components. Structural and Multidisciplinary Optimization,
v.22, pp.65-82.
Tanskanen, P. (2002). The evolutionary structural optimization method: theoretical
aspects. Comput Methods Appl Mech Eng 191, pp.5485–5498.
Tcherniak, D. e Sigmund, O. (2001) A Web-Based Topology Optimization Program,
Struct Multidisc Optim 22, 179–187, Springer-Verlag.
Tovar, A. (2005). Optimización topológcia con la técnica de los autómatas celulares
híbridos, Revista Internacional de Métodos Numéricos para Cálculo y Diseño en
Ingeniería, v. 21,n.4, pp. 365-383, Bogotá, Colômbia.
Vanderplaats, G. N. (1994). Numerical Optimization Techniques for Engineering
Design with Applications, Boston: McGraw-Hill Book Company.
Wang, M.Y., Wang, S. Y. e Lim, K. M. (2007) A Density Filtering Approach for
Topology Optimization, 7 World Congress on Structural and Multidisciplinary
Optimization, Korea.
152
Wang, Y. (2003). A Study on Microstructures of Homogenization for Topology
Optimization, Thesis Doctor, Victoria University of Techology Melbourne,
Australia.
Xie, Y.M. and Steven, G.P. (1993). “A simple evolutionary procedure for structural
optimization”, Computers & Structures, Vol. 49, No. 5, pp. 885-896.
Xie, Y.M. and Steven, G.P. (1997). Evolutionary Structural Optimization, Springer-
Verlag, Berlin.
Xie, Y.M.; Steven, G.P. (1996). Evolutionary structural optimization for dynamic
problems. Comp. & Struct. 58, 1067–1073.
Xie, Y.M, X. Huang, J.W. Tang and P. Felicetti (2005) Recent Advances in
Evolutionary Structural Optimization, Keynote Lecture for Frontiers of
Computational Science Symposium, Nagoya University, Japan.
Zhang, W. H. e Duysinx, P. (2003). Dual approach using a variant perimeter constraint
and efficient sub-iteration scheme for topology optimization, Computers e
Structures, v. 81, n. 22-23, pp. 2173-2181.
Zhou, M and Rozvany, G.I.N. (2001). “On the validity of ESO type methods in
topology optimization”, Structural and Multidisciplinary Optimization, Vol. 21, pp.
80-83.
Zhou, M. , Rozvany, G. I. N. (1991). The COC algorithm, part II: topological,
geometrical and generalized shape optimization. Computer Methods in Applied
Mechanics and Engineering, v.89, pp.309-336.
Zhou, M., Shyy, Y.K. and Thomas, H.L. (2001). “Checkerboard and minimum member
size control in topology optimization”, Structural and Multidisciplinary
Optimization, Vol. 21, pp. 152-158.
153
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração

Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo

Otimização Topológica de Estruturas Bidimensionais

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Otimização Topológica de Estruturas Bidimensionais

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE OURO PRETO - ESCOLA DE MINAS

DEPARTAMENTO DE ENGENHARIA CIVIL

OTIMIZAÇÃO TOPOLÓGICA DE ESTRUTURAS

AUTOR: HÉLIO LUIZ SIMONETTI

ORIENTADOR: Prof. Dr. Valério S. Almeida

Dissertação apresentada ao Programa de Pós-

Ouro Preto, maio de 2009.

xv, 153f.: il., color.; graf.

Orientador: Prof. Dr. Valério Silva Almeida.

Dissertação (Mestrado) - Universidade Federal de Ouro Preto. Escola de

1. Otimização estrutural - Teses. 2. Topologia - Teses. 3. Método

A Otimização Topológica é um método numérico capaz de fornecer, de forma

The Topology Optimization is a numerical method which is able to provide in an

Capítulo 1 – Introdução .................................................................................................... 1

1.1 Introdução ............................................................................................................... 1

Capítulo 2 – Otimização Estrutural Topológica ............................................................... 6

2.1 Introdução ............................................................................................................... 6

Capítulo 3 – Otimização Estrutural Evolucionária - O Convencional ESO ................... 22

3.1 Introdução ............................................................................................................. 22

Capítulo 4 – Otimização Estrutural Evolucionária Suavizada (SESO) ......................... 43

4.1 Introdução ............................................................................................................. 43

Capítulo 5 – Resultados Numéricos................................................................................ 64

5.1 Introdução ............................................................................................................. 64

Capítulo 6 – Conclusões e Sugestões ........................................................................... 141

6.1 – Introdução ........................................................................................................ 141

Figura 1.1-Principais abordagens da Otimização Estrutural ............................................ 2

OTEE Otimização Topológica Estrutural Evolucionária

MOT Método de Otimização Topológica

SIMP Solid Isotropic Microstructure with Pernalization

ESO Evolutionary Structural Otimization

SESO Evolutionary Structural Otimization Smoothing

MEC Method Element Boundary

TSA Topological Sensitivity Analysis

BCBTOA Bacterial Chemotaxis Based Topology Optimization Algorithm

DAS Design Sensitivity Analysis.

TVM Tensão de Von Mises

BGMMA Gradient Based Method of Moving Asymptotes

PBO Performance-based Optimization

DFE Domínio Fixo Estentido

MEF Método de Elementos Finitos

HCA Hybrid cellular automata

Neste primeiro capítulo, é destacada a importância da Otimização Topológica

Figura 1.1 – Principais Abordagens, 1.1a Otimização Paramétrica,

Figura 1.2 – Procedimento característico de um projeto de otimização topológica

Finalizando, a OT é valiosa e útil na etapa inicial do desenvolvimento estrutural,

A otimização estrutural envolve um processo de integração de várias áreas do

1.3 Organização do Texto

Em seguida à introdução, motivação e justificativa abordada neste capitulo, o

Otimização Estrutural Topológica

Neste capitulo é apresentado o estudo bibliográfico acerca do tema discutido

2.2 Revisão Bibliográfica

A otimização estrutural tem origem com a otimização de leiaute, evoluindo para

2.3 Métodos de Otimização Topológica

Os métodos de otimização topológica buscam a solução ótima através da

2.3.1 Método de Otimização Topológica SIMP (Simple Isotropic Material with

Nesta abordagem, a existência ou não de material é tratada através do uso de um

Figura 2.1 – Modelo de material com microestrutura periódica de vazios retangulares

Figura 2.2 – Modelo de material com microestrutura artificial

2.3.2 Método de Otimização Topológica TSA (Topological Sensitivity Method)

A derivada topológica é uma função escalar, estabelecida em todo o domínio de

é um círculo de raio ε centrado no ponto x̂ ∈ Ω . Dessa forma, tem-se um domínio Ω

que f (ε ) → 0 com ε → 0(0 ≤ ε < 1) que dependerá do problema em análise. Embora

Em função do grande número de operações envolvidas nos algoritmos baseados

2.4 Problemas Numéricos da Otimização Topológica